KLASIFIKASI KUALITAS KINERJA REKANAN PENYEDIA BARANG MENGGUNAKAN ALGORITMA K-NEAREST NEIGHBORS DI PT KRAKATAU BANDAR SAMUDERA

Abstract

PT Krakatau Bandar Samudera (PT KBS) merupakan anak perusahaan PT Krakatau Steel yang bergerak di bidang jasa kepelabuhanan dan logistik dengan dukungan sistem e-Procurement dalam proses pengadaan barang dan jasa. Evaluasi kinerja rekanan menjadi aspek kritis untuk menjamin objektivitas dan kualitas proses pengadaan, namun proses penilaian yang dilakukan secara manual rentan terhadap subjektivitas dan ketidakkonsistenan. Oleh karena itu, penelitian ini mengimplementasikan algoritma K-Nearest Neighbors (K-NN) untuk mengklasifikasikan kualitas kinerja rekanan penyedia barang di PT KBS secara otomatis berbasis data. Dataset dibagi dengan proporsi 80:20 untuk data latih dan data uji, serta nilai parameter k ditentukan melalui pengujian sistematis terhadap beberapa nilai k. Hasil penelitian menunjukkan bahwa model K-NN dengan k = 6 memberikan kinerja klasifikasi terbaik dengan akurasi sebesar 91,67%. Evaluasi lebih lanjut menggunakan confusion matrix menghasilkan nilai presisi sebesar 86,11%, recall sebesar 91,67%, dan F1-Score sebesar 88,33%, yang mengindikasikan bahwa model memiliki performa klasifikasi yang baik dan seimbang. Dengan demikian, model K-NN terbukti efektif sebagai pendekatan klasifikasi otomatis yang dapat mendukung pengambilan keputusan berbasis data dalam penilaian dan seleksi rekanan di PT KBS.