Implementasi Algoritma K-Nearest Neighbor Untuk Rekomendasi Smartphone

Article Sidebar

PDF
Published: Apr 30, 2023
DOI: https://doi.org/10.33322/petir.v16i1.1707
Keywords:
smartphone, klasifikasi, K-Nearest Neighbor, Euclidean Distance, confusion matrix.

Main Article Content

Teady Matius Surya Mulyana
Universitas Bunda Mulia

Abstract

Sejak tahun 2019, pandemi virus COVID-19 membuat hampir semua aktivitas dilakukan di rumah. Pandemi COVID-19 membuat orang-orang yang tinggal di rumah bosan dan membutuhkan hiburan. Salah satu hiburan yang bisa dinikmati di rumah adalah smartphone. Smartphone memiliki banyak jenis dan model dari berbagai merek yang membingungkan orang dalam memilih yang sesuai dengan kebutuhan masing-masing. Tujuan dari penelitian ini adalah untuk membantu memberikan rekomendasi smartphone berdasarkan kebutuhan masyarakat. Program rekomendasi smartphone akan menggunakan algoritma K-Nearest Neighbor dengan nilai K = 3 untuk menentukan kelas smartphone yang terbagi menjadi 3 kelas flagship dengan menggunakan 4 parameter. Data tersebut kemudian akan diklasifikasikan dengan menghitung jarak Euclidean antara data uji dan data latih. Pengujian akan dilakukan dengan menggunakan confusion matrix untuk mengukur tingkat akurasi pada klasifikasi kelas smartphone. Dari hasil penelitian dapat disimpulkan bahwa program dapat memberikan rekomendasi smartphone dengan akurasi 83%. Data perlu diperbarui setiap beberapa tahun karena akan ada perubahan spesifikasi untuk setiap kelas dalam waktu tertentu.

Downloads

Download data is not yet available.

Article Details

How to Cite
Mulyana, T. M. S. (2023). Implementasi Algoritma K-Nearest Neighbor Untuk Rekomendasi Smartphone. PETIR, 16(1). https://doi.org/10.33322/petir.v16i1.1707
Issue
Vol. 16 No. 1 (2023): PETIR (Jurnal Pengkajian Dan Penerapan Teknik Informatika)
Section
Articles

References

H. Yunida, “Pengaruh Ppkm Darurat Dan Protokol Kesehatan 5 M Terhadap Penurunan Covid-19,” J. Innov. Knowl., vol. 1, no. 4, pp. 547–556, 2021.
Z. Hanum, “Kemenkominfo: 89% Penduduk Indonesia Gunakan Smartphone,” Media Indonesia, 2021. .
A. Thomas, R. Candra, and H. Agung, “Perancangan Rekomendasi Lagu Menggunakan Algoritma K-Nearest Neighbor,” J. Inf. Eng. Educ. Technol., vol. 4, no. 1, 2020, doi: 10.26740/jieet.v4n1.p41-46.
M. Rivki and A. M. Bachtiar, “IMPLEMENTASI ALGORITMA K-NEAREST NEIGHBOR DALAM PENGKLASIFIKASIAN FOLLOWER TWITTER YANG MENGGUNAKAN BAHASA INDONESIA,” J. Sist. Inf., vol. 13, no. 1, 2017, doi: 10.21609/jsi.v13i1.500.
N. L. G. P. Suwirmayanti, “Penerapan Metode K-Nearest Neighbor Untuk Sistem Rekomendasi Pemilihan Mobil,” Techno.Com, vol. 16, no. 2, 2017, doi: 10.33633/tc.v16i2.1322.
I. Handayani, “Application of K-Nearest Neighbor Algorithm on Classification of Disk Hernia and Spondylolisthesis in Vertebral Column,” Indones. J. Inf. Syst., vol. 2, no. 1, 2019, doi: 10.24002/ijis.v2i1.2352.
I. Mulyadin and D. S. Winarso, “Sistem Pendukung Keputusan Pemilihan Smartphone Menggunakan Metode Simple Additive Weighting,” CAHAYAtech, vol. 7, no. 2, p. 88, 2019, doi: 10.47047/ct.v7i2.13.
H. Hertyana et al., “Sistem Pendukung Keputusan Untuk Rekomendasi Pembelian Smartphone Dengan Menggunakan Metode Topsis,” J. Tek. Inform. UNIKA St. Thomas, vol. 5, no. 1, 2020.
N. Shodik, N. Neneng, and I. Ahmad, “SISTEM REKOMENDASI PEMILIHAN SMARTPHONE SNAPDRAGON 636 MENGGUNAKAN METODE SIMPLE MULTI ATTRIBUTE RATING TECHNIQUE (SMART),” J. Nas. Pendidik. Tek. Inform., vol. 7, no. 3, 2019, doi: 10.23887/janapati.v7i3.15727.
C. T. Prasetyo, F. A. Hermawati, and E. Ronando, “SISTEM REKOMENDASI PEMILIHAN SMARTPHONE BERDASARKAN KARAKTERISTIK SOSIO-DEMOGRAFIS PENGGUNA MENGGUNAKAN METODE FUZZY TAHANI,” KONVERGENSI, vol. 14, no. 1, 2019, doi: 10.30996/konv.v14i1.2769.
P. Pujiana, “sistem Pendukung Keputusan Pemilihan Smartphone dengan Pendekatan Fuzzy Multiple Attribute Decision Making,” J. Sains Mat. dan Stat., vol. 7, no. 2, 2021, doi: 10.24014/jsms.v7i2.12921.
Aqmal Maulana, “Ini Bedanya HP Entry-level, Mainstream, High-end, dan Flagship,” droidlime, 2015. https://www.droidlime.com/fitur/ini-bedanya-hp-entry-level-mainstream-high-end-dan-flagship/ (accessed May 20, 2022).
M. F. Naufal, “Analisis Perbandingan Algoritma SVM, KNN, dan CNN untuk Klasifikasi Citra Cuaca,” J. Teknol. Inf. dan Ilmu Komput., vol. 8, no. 2, 2021, doi: 10.25126/jtiik.2021824553.
Y. Miftahuddin, S. Umaroh, and F. R. Karim, “PERBANDINGAN METODE PERHITUNGAN JARAK EUCLIDEAN, HAVERSINE, DAN MANHATTAN DALAM PENENTUAN POSISI KARYAWAN,” J. Tekno Insentif, vol. 14, no. 2, 2020, doi: 10.36787/jti.v14i2.270.
Diana Rahmawati, K. A. Wibisono, and F. D. W, “Analisis Sistem Parkir Cerdas Berbasis Ocr (Optical Character Recognition) Menggunakan Metode Confussion Matrix,” Simp. Nas. Teknol. Terap., 2017.