Perbandingan Metrik Euclidean dan Metrik Manhattan untuk K-Nearest Neighbors dalam Klasifikasi Kismis

Penulis

  • Moch. Anjas Aprihartha Program Studi PJJ Informatika, Fakultas Ilmu Komputer, Universitas Dian Nuswantoro, Indonesia
  • Taufik Nur Alam Program Studi PJJ Informatika, Fakultas Ilmu Komputer, Universitas Dian Nuswantoro, Indonesia
  • M. Husniyadi Program Studi PJJ Informatika, Fakultas Ilmu Komputer, Universitas Dian Nuswantoro, Indonesia

DOI:

https://doi.org/10.54082/jiki.126

Kata Kunci:

Euclidean, Kismis, KNN, Manhattan, Metrik

Abstrak

Pada konfrensi negara-negara penghasil kismis tanpa biji ke-63, Negara Turki dinobatkan sebagai pemimpin dunia dalam produksi dan ekspor kismis musim 2022/2023. Dalam menghasilkan kismis yang berkualitas sangat bergantung pada varietas anggur dan proses pengolahannya seperti pengeringan, grading, dll. Pada beberapa tempat, penyortiran kismis masih dilakukan secara manual berdasarkan indeks mutu. Namun, proses penyortiran dengan manual memiliki beberapa kelemahan seperti membutuhkan biaya yang besar dan pemilihan kismis oleh manusia cenderung tidak konsisten serta kurang efisien. Untuk mengatasi masalah tersebut maka dilakukan penelitian untuk mengembangkan metode alternatif dalam mengidentifikasi jenis kismis. K-Nearest Neighbors (KNN) merupakan algoritma machine learning nonparametrik yang dapat menyelesaikan masalah klasifikasi atau regresi. Metode KNN memprediksi kategori dengan memanfaatkan hubungan jarak antartetangga terdekat. Dalam analisis data, mengetahui jarak antartetangga terdekat dapat dihitung menggunakan dua metrik utama seperti jarak Manhattan dan jarak Euclidean. Studi kali ini akan mengembangkan metode KNN dalam mendeteksi jenis kismis Besni dan Kecimen. Setiap pelatihan dan pengujian menggunakan parameter k yang berbeda, yaitu 3, 5, 7, dan 9. Hasil penelitian diperoleh KNN pada metrik Euclidean menunjukkan nilai akurasi, presisi, sensitivitas, dan spesifisitas untuk setiap k hampir tidak memiliki perbedaan yang signifikan. Akurasi tertinggi sebesar 0,850 ketika k=7 dan k=9. Sedangkan KNN pada metrik Manhattan menunjukkan Akurasi tertinggi sebesar 0,867 ketika k=5 dan k=7. Algoritma KNN dengan metrik Manhattan dan metrik Euclidean, keduanya memberikan akurasi yang kuat dalam mengklasifikasikan data. Berdasarkan hasil uji kedua algoritma maka KNN pada metrik Manhattan lebih baik dibandingkan KNN pada metrik Euclidean.

Referensi

I. Ugural, "63rd International Raisin Conference held in Izmir," *Turkish Agri News*, Oct. 25, 2023. [Online]. Available: https://www.turkishagrinews.com/63-international-raisin-conference-held-in-izmir/ (accessed June 1, 2024).

K. Mollazade, M. Omid, and A. Arefi, "Comparing data mining classifiers for grading raisins based on visual features," Computers and Electronics in Agriculture, vol. 84, pp. 124-131, Oct. 2012. https://doi.org/10.1016/j.compag.2012.03.004.

J. Guo, C. Chen, and C. Chen, "Near-infrared spectroscopy combined with pattern recognition algorithms to quickly classify raisins," Scientific Reports, vol. 12, no. 7928, 2022. https://doi.org/10.1038/s41598-022-12001-1.

Y. Zhang, Y. Yang, C. Ma, and L. Jiang, "Identification of multiple raisins by feature fusion combined with NIR spectroscopy," PloS One, vol. 17, no. 7, p. e0268979, 2022. https://doi.org/10.1371/journal.pone.0268979.

F. Tarakci and I. A. Ozkan, "Comparison of classification performance of kNN and WKNN algorithms," Selcuk University Journal of Engineering Sciences, vol. 20, no. 2, pp. 32-37, 2021.

L. Feng, S. Zhu, C. Zhang, Y. Bao, P. Gao, and Y. He, "Variety identification of raisins using near-infrared hyperspectral imaging," Molecules, vol. 23, no. 11, p. 2907, 2018. https://doi.org/10.3390/molecules23112907.

Y. Liang, Y. Pan, X. Yuan, W. Jia, and Z. Huang, "Surrogate modeling for long-term and high-resolution prediction of building thermal load with a metric-optimized KNN algorithm," Energy and Built Environment, vol. 4, no. 6, pp. 709-724, 2023. https://doi.org/10.1016/j.enbenv.2022.06.008.

R. K. Dinata, H. Akbar, dan N. Hasdyna, "Algoritma K-Nearest Neighbor dengan Euclidean Distance dan Manhattan Distance untuk Klasifikasi Transportasi Bus," ILKOM Jurnal Ilmiah, vol. 12, no. 2, pp. 104-111, 2020. https://doi.org/10.33096/ilkom.v12i2.539.104-111

S. Salsabila, S. Martha, dan W. Andani, "Komparasi Algoritma K-Nearest Neighbor Dengan Euclidean Distance Dan Manhattan Distance Untuk Klasifikasi Stunting Balita (Studi Kasus: Puskesmas Kelurahan Parit Mayor)," Bimaster: Buletin Ilmiah Matematika, Statistika dan Terapannya, vol. 13, no. 2, 2024. http://dx.doi.org/10.26418/bbimst.v13i2.77245

UCI Machine Learning Repository, "Raisin Dataset,". [Online]. Available: https://archive.ics.uci.edu/ml/datasets/Raisin+Dataset. (accessed May 6, 2024).

A. Tawakuli, B. Havers, V. Gulisano, D. Kaiser, and T. Engel, "Survey: Time-series data preprocessing: A survey and an empirical analysis," Journal of Engineering Research, 2024. https://doi.org/10.1016/j.jer.2024.02.018.

J. Yang, X. Tan, and S. Rahardja, "Outlier detection: How to Select k for k-nearest-neighbors-based outlier detectors," Pattern Recognition Letters, vol. 174, pp. 112-117, 2023. https://doi.org/10.1016/j.patrec.2023.08.020.

G. J. Tielen, T. Lulek, M. R. M. J. Traa, M. Kuzma, and W. J. Caspers, "The role of the Manhattan distance in antiferromagnetic ordering," Physica A Statistical Mechanics & Its Applications, vol. 246, pp. 199–220, 1997. https://doi.org/10.1016/S0378-4371(97)00341-5.

M. A. Aprihartha, J. Prasetya, and S. I. Fallo, "Implementasi CART-Real Adaboost dalam Memprediksi Minat Pelanggan Membeli Sepatu," Jurnal EurekaMatika, vol. 12, no. 1, pp. 35-46. https://doi.org/10.17509/jem.v12i1.67808.

Wismadi, H. N., Yofi, C., Manumono, T. F., Hendrawan, F. A., Hilmy, M. R., Puspitasari, A., ... and Rifai, A. P, "Klasifikasi Varietas Biji Kismis dengan Artificial Neural Network," Jurnal Optimasi Teknik Industri (JOTI), vol. 5, no. 1, pp. 8-13, 2023. http://dx.doi.org/10.30998/joti.v5i1.13951.

İ. Çınar, M. Koklu, and P. D. Ş. Taşdemir, "Classification of Raisin Grains Using Machine Vision and Artificial Intelligence Methods," GJES, vol. 6, no. 3, pp. 200–209, 2020.

Anggraini, R. A., Apriyani, Y., Pertiwi, M. W., Kusmira, M., and Bahri, S. , "Klasifikasi Jenis Kismis Menggunakan Teknik Data Mining," Jurnal Kajian Ilmiah, vol. 24, no. 1, pp. 45-56, 2024. https://doi.org/10.31599/ryvqk945.

Diterbitkan

25-06-2024

Cara Mengutip

Aprihartha, M. A., Alam, T. N., & Husniyadi, M. . (2024). Perbandingan Metrik Euclidean dan Metrik Manhattan untuk K-Nearest Neighbors dalam Klasifikasi Kismis. Jurnal Ilmu Komputer Dan Informatika, 4(1), 21–30. https://doi.org/10.54082/jiki.126