PENERAPAN ALGORITMA K-NEARST NEIGHBOR DALAM KLASIFIKASI JENIS LEMAK HEWANI BERBASIS TEKNOLOGI MECHINE LEARNING

Wisnu Dwi Haryanto
Anton Yudhana (UNIVERSITAS AHMAD DAHLAN)
Rusydi Umar (UNIVERSITAS AHMAD DAHLAN)

JIPI (Jurnal Ilmiah Penelitian dan Pembelajaran Informatika)
Vol 11, No 2 (2026)

Lemak hewan memiliki karakteristik kimia yang berbeda-beda dan penting untuk dianalisis dalam berbagai industri termasuk pangan, farmasi, dan kosmetik. Penelitian ini bertujuan untuk mengklasifikasikan jenis lemak hewan seperti ayam, ayam kampung, sapi, dan babi berdasarkan kandungan senyawa kimianya, yaitu CH₄, CO₂, VOC, HCHO, ODOR, dan SMOKE. Algoritma K-Nearest Neighbor (KNN) digunakan sebagai metode klasifikasi dengan nilai k=3. Dataset dibagi menjadi 80% data latih dan 20% data uji, dan diolah menggunakan Google Colab berbasis Python 3. Hasil penelitian menunjukkan bahwa metode KNN mampu mencapai tingkat akurasi sebesar 98,7%. Evaluasi menggunakan confusion matrix dan classification report menunjukkan nilai precision dan recall di atas 97% untuk semua kelas. Hasil ini membuktikan bahwa algoritma KNN efektif dalam mengklasifikasikan jenis lemak hewan berdasarkan data kandungan kimia.