Article Per Year (5 Year)
p-Index From 2020 - 2025
2.015
P-Index
This Author published in this journals
All Journal E-Jurnal Matematika JURNAL MATEMATIKA STATISTIKA DAN KOMPUTASI Jurnal Sains Matematika dan Statistika Format : Jurnal Imiah Teknik Informatika EIGEN MATHEMATICS JOURNAL International Journal of Engineering, Technology and Natural Sciences (IJETS) Abdimasku : Jurnal Pengabdian Masyarakat Jurnal Ilmu Komputer dan Informatika Jurnal Eurekamatika UPGRADE: Jurnal Pendidikan Teknologi Informasi Diophantine Journal of Mathematics and Its Applications
Moch Anjas Aprihartha
Unknown Affiliation
Civil Engineering, Building, Construction & Architecture Computer Science & IT Decision Sciences, Operations Research & Management Economics, Econometrics & Finance Education Electrical & Electronics Engineering Engineering Health Professions Industrial & Manufacturing Engineering Mathematics Social Sciences Other

Published : 14 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 1 Documents
Search
Journal : Jurnal Ilmu Komputer dan Informatika

 1 
Perbandingan Metrik Euclidean dan Metrik Manhattan untuk K-Nearest Neighbors dalam Klasifikasi Kismis Aprihartha, Moch. Anjas; Alam, Taufik Nur; Husniyadi, M.
Jurnal Ilmu Komputer dan Informatika Vol 4 No 1 (2024): JIKI - Juni 2024
Publisher : CV Firmos

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.54082/jiki.126

Abstract

Pada konfrensi negara-negara penghasil kismis tanpa biji ke-63, Negara Turki dinobatkan sebagai pemimpin dunia dalam produksi dan ekspor kismis musim 2022/2023. Dalam menghasilkan kismis yang berkualitas sangat bergantung pada varietas anggur dan proses pengolahannya seperti pengeringan, grading, dll. Pada beberapa tempat, penyortiran kismis masih dilakukan secara manual berdasarkan indeks mutu. Namun, proses penyortiran dengan manual memiliki beberapa kelemahan seperti membutuhkan biaya yang besar dan pemilihan kismis oleh manusia cenderung tidak konsisten serta kurang efisien. Untuk mengatasi masalah tersebut maka dilakukan penelitian untuk mengembangkan metode alternatif dalam mengidentifikasi jenis kismis. K-Nearest Neighbors (KNN) merupakan algoritma machine learning nonparametrik yang dapat menyelesaikan masalah klasifikasi atau regresi. Metode KNN memprediksi kategori dengan memanfaatkan hubungan jarak antartetangga terdekat. Dalam analisis data, mengetahui jarak antartetangga terdekat dapat dihitung menggunakan dua metrik utama seperti jarak Manhattan dan jarak Euclidean. Studi kali ini akan mengembangkan metode KNN dalam mendeteksi jenis kismis Besni dan Kecimen. Setiap pelatihan dan pengujian menggunakan parameter k yang berbeda, yaitu 3, 5, 7, dan 9. Hasil penelitian diperoleh KNN pada metrik Euclidean menunjukkan nilai akurasi, presisi, sensitivitas, dan spesifisitas untuk setiap k hampir tidak memiliki perbedaan yang signifikan. Akurasi tertinggi sebesar 0,850 ketika k=7 dan k=9. Sedangkan KNN pada metrik Manhattan menunjukkan Akurasi tertinggi sebesar 0,867 ketika k=5 dan k=7. Algoritma KNN dengan metrik Manhattan dan metrik Euclidean, keduanya memberikan akurasi yang kuat dalam mengklasifikasikan data. Berdasarkan hasil uji kedua algoritma maka KNN pada metrik Manhattan lebih baik dibandingkan KNN pada metrik Euclidean.
Co-Authors Achmad Wahid Kurniawan Ahardika Nurfaizal, Fatma Akrom, Muhamad Alam, Taufik Nur Andrianza, Muhammad Rafly Ayu Pertiwi Azizah, Rahmatul Azzahro, Salwa Paramita Budi, Setyo Dicky Zulhan Fatma Ahardika Nurfaizal Fitri Astutik Hady Rasikhun Harun Al Azies Herowati, Wise Hidayat, Novianto Nur Husniyadi, M. Idham Idham Ignatius Moses Setiadi, De Rosal JUS PRASETYA Jus Prasetya Muhammad Naufal, Muhammad Muljono Muljono Nani Sulistianingsih Noor Ageng Setiyanto, Noor Ageng Nurfaizal, Fatma Ahardika Prabowo, Wahyu Aji Eko Prasetya, Jus Putrawan, Zulhandi Safitri, Aprilyani Nur Sefri Imanuel Fallo Sudibyo, Usman Supriadi Rustad T. Sutojo Trisnapradika, Gustina Alfa Zulhan , Dicky Zulhan, Dicky Zulhandi Putrawan