<![CDATA[Menentukan ban mobil yang paling cocok kerap menjadi persoalan bagi konsumen umum karena banyaknya kombinasi spesifikasi teknis yang harus disesuaikan dengan kebutuhan berkendara. Penelitian ini mengusulkan sistem rekomendasi ban mobil yang mengombinasikan metode Case-Based Reasoning (CBR) dengan algoritma K-Nearest Neighbors (K-NN) pada tahap pengambilan kasus (retrieval). Proses dilakukan melalui empat tahap: pengumpulan data, normalisasi, perancangan model, dan penerapan pada platform web. Dari 574 catatan ban mentah, tersisa 446 catatan valid setelah pembersihan dan normalisasi. Kemiripan kasus baru dengan kasus tersimpan dihitung berdasarkan lima atribut berbobot: lebar ban, rasio aspek, diameter pelek, harga, dan jenis pemakaian. K-NN mengurutkan kandidat berdasarkan skor kemiripan dan menetapkan tiga teratas (K=3) sebagai rekomendasi. Pada uji coba dengan lebar 7,5 inci, rasio 65, pelek 15 inci, harga Rp1.500.000, dan kebutuhan CITY, sistem merekomendasikan tiga ban Bridgestone berukuran 185/65-15, yaitu B250HZ T (skor 0,9972), Turanza T005 (skor 0,9970), dan Turanza 6 (skor 0,9969), dengan seluruh skor kemiripan di atas 0,99. Pengukuran MAE dan RMSE menunjukkan galat di bawah 0,02, sementara simulasi confusion matrix mencatat nol false positive (`=1,00). Temuan ini menegaskan bahwa perpaduan CBR dan K-NN mampu bekerja akurat sebagai mesin rekomendasi ban mobil dan layak diterapkan pada aplikasi berbasis web.]]>
Copyrights © 2026
