<![CDATA[Penelitian ini bertujuan mengatasi keterbatasan penilaian kualitas wine konvensional yang sangat bergantung pada uji organoleptik subjektif dan memakan waktu. Metode yang digunakan berupa penelitian terapan dengan pendekatan eksperimen, memanfaatkan algoritma k-Nearest Neighbors (k-NN) dengan teknik normalisasi Z-transformation dan Stratified Sampling. Data diperoleh dari dataset fisikokimia red wine dari repositori publik UCI Machine Learning. Hasil penelitian menunjukkan sistem mampu mengklasifikasikan kualitas wine dengan akurasi terukur sebesar 56.99 %, yang membuktikan bahwa pendekatan komputasi dapat menjadi alternatif objektif dalam penentuan kualitas. Kebaruan penelitian terletak pada integrasi metode normalisasi Z-transformation dengan konfigurasi pembagian data stratified 70:30 untuk meminimalkan bias pada dataset yang tidak seimbang]]>
Copyrights © 2025
