HAFIZAL, AKBAR (2019) PERBANDINGAN EUCLIDEAN DISTANCEDENGAN MANHATTAN DISTANCE PADA METODE K-NN UNTUK KLASIFIKASI TRANSPORTASI LHOKSEUMAWE-MEDAN BERDASARKAN KEBUTUHAN PENUMPANG. S1 thesis, Universitas Malikussaleh.

	Text COVER.pdf Download (72kB)
	Text ABSTRAK.pdf Download (86kB)
	Text BAB I.pdf Download (146kB)
	Text Daftar Pustaka.pdf Download (77kB)

Abstract

K-Nearest Neighbor merupakan metode yang dapat mengklasifikasikan data berdasarkan jarak terdekat. Selain itu K-NN juga salah satu dari algoritma supervised learning dengan proses belajar berdasarkan nilai dari variabel target yang terasosiasi dengan nilai dari variabel prediktor. Dalam algoritma k-nn semua data yang dimiliki harus memiliki label,sehingga ketika ada data baru yang diberikan kemudian dibandingkan dengan data yang telah ada dan diambil data yang paling mirip dan melihat label dari data tersebut. Berbagai macam kasus sudah banyak digunakan dalam pengklasifikasian diantaranya adalah Euclidean Distance dan Manhattan distance,penelitian ini memperbandiingkan Metode Pendekatan Euclidean Distance dan manhattan Distance pada metode K-NN dalam proses pengklasifikasian transportasi bus . Dari 75 data yang telah diuji melalui proses dengan jumlah k tetangga adalah 3 dan didapatkan hasil sebagai berikut:Metode Pendekatan Euclidean Distance rata-rata dari Presicision 40,8%, Recall 36,73%, Acuracy 81,73% dan untuk Metode Pendekatan Manhattan Distance rata-rata dari Presicision 44,8%, Recall 37,46%, Acuracy 82,00% Nilai Akurasi yang tertinggi di dapat oleh Manhattan Distance selisih 0,27% lebih tinggi dibandingkan dengan Euclidean Distance. Persentase tersebut menunjukkan bahwa Manhattan Distance lebih akurat dibandingkan dengan Euclidean Distance sehingga Manhattan Distance bekerja dengan baik dalam memberikan rekomendasi untuk klasifikasi transportasi. Kata kunci: Klasifikasi, Perbandingan, K-Nearest Neighbor, Euclidean Distance, Manhattan Distane

Item Type:	Thesis (S1)
Subjects:	T Technology > T Technology (General)
Divisions:	Fakultas Teknik > 55201 - Jurusan Teknik Informatika
Depositing User:	Yolinda Cesilia
Date Deposited:	22 Nov 2023 03:49
Last Modified:	22 Nov 2023 03:49
URI:	https://rama.unimal.ac.id/id/eprint/84

Actions (login required)

View Item