<![CDATA[Abstract: Hybrid Intelligent Systems are systems that combine more than one artificial intelligence (AI) technique or computational approach to leverage their respective strengths and overcome their individual weaknesses. HIS are usually designed to handle complex tasks that are difficult to solve with a single approach. These systems combine techniques such as fuzzy logic, artificial neural networks, evolutionary algorithms, and rule-based methods, resulting in more flexible, adaptive, and intelligent solutions. The method used in the classification is the Principal Component Analysis (PCA) Algorithm, which is a statistical analysis method that aims to reduce data dimensions while maintaining significant information. PCA works by transforming the initial variables into a set of uncorrelated principal components. This technique is widely used in various fields such as image processing, pattern recognition, data compression, and exploratory data analysis. The PCA process involves decomposing the covariance or correlation matrix of the data to find the eigenvectors and eigenvalues that represent the principal components. By reducing dimensions, PCA helps overcome data redundancy problems, improves computational efficiency, and enables data visualization in lower dimensions. This study reviews the basic concept of PCA, its mathematical implementation, and its practical application in multidimensional data analysis. The K-Nearest Neighbor (KNN) algorithm is a machine learning method used for classification and regression with a simple principle, namely determining the class or value of a data based on its k nearest neighbors in the feature space. KNN works by calculating the distance between the test data and the training data using metrics such as Euclidean Distance, Manhattan Distance, or Minkowski Distance, then determining the prediction results based on the majority of classes or the average value of the nearest neighbors. Keywords: Hybrid Intelligent Systems, Principal Component Analysis (PCA), K-Nearest Neighbor (KNN). Abstrak: Hybrid Intelligent Systems merupakan sistem yang menggabungkan lebih dari satu teknik kecerdasan buatan (AI) atau pendekatan komputasi untuk memanfaatkan kekuatan masing-masing dan mengatasi kelemahan individu. HIS biasanya dirancang untuk menangani tugas-tugas yang kompleks, yang sulit diselesaikan dengan pendekatan tunggal. Sistem ini memadukan teknik-teknik seperti logika fuzzy, jaringan saraf tiruan, algoritma evolusioner, dan metode berbasis aturan, sehingga menghasilkan solusi yang lebih fleksibel, adaptif, dan cerdas. Adapun metode yang digunakan dalam klasifikasi yaitu Algoritma Principal Component Analysis (PCA) merupakan salah satu metode analisis statistik yang bertujuan untuk mereduksi dimensi data sambil mempertahankan informasi yang signifikan. PCA bekerja dengan mentransformasikan variabel awal menjadi sekumpulan komponen utama (principal components) yang tidak saling berkorelasi. Teknik ini banyak digunakan dalam berbagai bidang seperti pengolahan citra, pengenalan pola, kompresi data, dan analisis data eksploratif. Proses PCA melibatkan dekomposisi matriks kovarians atau korelasi data untuk menemukan vektor eigen dan nilai eigen yang merepresentasikan komponen utama. Dengan mereduksi dimensi, PCA membantu mengatasi masalah redundansi data, meningkatkan efisiensi komputasi, dan memungkinkan visualisasi data dalam dimensi yang lebih rendah. Studi ini mengulas konsep dasar PCA, implementasi matematisnya, serta aplikasi praktisnya dalam analisis data multidimensi. Algoritma K-Nearest Neighbor (KNN) adalah metode pembelajaran mesin yang digunakan untuk klasifikasi dan regresi dengan prinsip sederhana, yaitu menentukan kelas atau nilai suatu data berdasarkan k tetangga terdekatnya dalam ruang fitur. KNN bekerja dengan menghitung jarak antara data uji dengan data pelatihan menggunakan metrik seperti Euclidean Distance, Manhattan Distance, atau Minkowski Distance, kemudian menentukan hasil prediksi berdasarkan mayoritas kelas atau rata-rata nilai tetangga terdekat. Kata kunci: Hybrid Intelligent Systems, Principal Component Analysis (PCA), K-Nearest Neighbor (KNN).]]>
