Article Per Year (5 Year)
p-Index From 2021 - 2026
0.23
P-Index
This Author published in this journals
All Journal Jurnal Informatika dan Teknik Elektro Terapan
Christina Nainggolan
Universitas Methodist Indonesia
Computer Science & IT

Published : 1 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 1 Documents
Search

 1 
IMPLEMENTASI ALGORITMA K-NEAREST NEIGHBOR UNTUK KLASIFIKASI TINGKAT KEBUGARAN TUBUH BERDASARKAN DATA BIOMETRIK Christina Nainggolan
Jurnal Informatika dan Teknik Elektro Terapan Vol. 14 No. 3 (2026)
Publisher : Universitas Lampung

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.23960/jitet.v14i3.10773

Abstract

Tingkat kebugaran fisik adalah parameter penting untuk mengevaluasi kondisi kesehatan tubuh, namun pengukuran manual bersifat subjektif dan memakan waktu. Penelitian ini menerapkan algoritma K-Nearest Neighbor (KNN) untuk mengklasifikasikan tingkat kebugaran tubuh ke dalam empat kategori (A, B, C, D) berdasarkan sepuluh indikator biometrik: usia, tinggi badan, berat badan, persentase lemak tubuh, tekanan darah diastolik dan sistolik, kekuatan genggaman, fleksibilitas, jumlah sit-up, dan hasil lompatan lebar. Dataset berisi 13.393 data, dibagi menjadi data latih (80%) dan data uji (20%) dengan stratified split, dinormalisasi menggunakan Min-Max Scaling, dan dihitung jaraknya dengan Euclidean Distance. Pengujian beberapa nilai K menunjukkan bahwa K=9 memberikan akurasi terbaik sebesar 59,54% pada data uji. Matriks kebingungan menunjukkan model lebih baik mengenali kelas ekstrem (A dan D) dibandingkan kelas menengah (B dan C) yang memiliki kemiripan karakteristik biometrik. Penelitian ini menyimpulkan bahwa KNN dapat diterapkan untuk klasifikasi kebugaran tubuh dengan akurasi yang memadai, serta menjelaskan pengaruh nilai K dan karakteristik data terhadap akurasi klasifikasi.
Co-Authors