Analisis Klasifikasi Spesies Bunga Iris Menggunakan Algoritma K-Nearest Neighbors

EFENDI, MOH. HASAN
Pratama, Wildan Septian
Daniati, Erna

Prosiding SEMNAS INOTEK (Seminar Nasional Inovasi Teknologi)
Vol. 9 No. 3 (2025): Prosiding Seminar Nasional Inovasi Teknologi Tahun 2025

Penelitian ini bertujuan untuk mengklasifikasikan spesies bunga Iris menggunakan pendekatan K-Nearest Neighbors (KNN). Topik ini menarik karena adanya penerapan teknik mesin learning dalam botani, serta juga karena dataset Iris adalah dataset yang memiliki struktur jelas dan seringkali digunakan sebagai benchmark dalam penelitian. Dalam pembuatan model ini, saya melakukan eksplorasi data dan visualisasi untuk mendapatkan understanding, pemisahan data dengan teknik pemisahan data train-test, dan pelatihan serta evaluasi model KNN dengan beragam nilai k. Berdasarkan analisis yang telah kami lakukan, pada model ini pembelajaran dengan k=11 memperoleh akurasi 96,67% pada klasifikasi tiga jenis spesies bunga Iris. Evaluasi model dengan akurasi, precision, recall, dan F1-score menunjukkan hasil yang konsisten sangat baik. Temuan ini menegaskan bahwa algoritma KNN diimplementasikan pada dataset sederhana secara efektif digunakan untuk klasifikasi, dan masih tetap bisa digunakan pada tipe data lainnya untuk aplikasi lain.