IMPLEMENTASI DATA MINING DENGAN ALGORITMA K-NEAREST NEIGHBOR UNTUK KLASIFIKASI HARGA PONSEL

Prayitno, Anton (2024) IMPLEMENTASI DATA MINING DENGAN ALGORITMA K-NEAREST NEIGHBOR UNTUK KLASIFIKASI HARGA PONSEL. Skripsi thesis, UNAMA.

	Text BAB I.pdf Download (322kB)
	Text BAB II.pdf Restricted to Registered users only Download (626kB)
	Text BAB III.pdf Restricted to Registered users only Download (716kB)
	Text BAB IV.pdf Restricted to Registered users only Download (527kB)
	Text BAB V.pdf Download (249kB)
	Text DAFTAR PUSTAKA.pdf Download (285kB)

Abstract

Harga Ponsel merupakan tolak ukur pertama saat membeli atau menjual. Pelanggan yang ingin membeli telepon seluler pasti mempertimbangkan harga telepon seluler yang akan dibelinya berdasarkan spesifikasinya. Oleh karena itu, pengklasifikasian harga ponsel sangat diperlukan sebagai referensi pelanggan ponsel dalam menentukan apakah ponsel tersebut sesuai dengan keinginan pelanggan atau tidak. Data yang dipakai diambil dari repositori publik kaggle yaitu klasifikasi harga ponsel yang berjumlah 2000 data dengan 21 atribut. Adapun tujuan dari penelitian ini adalah untuk mengetahui akurasi dari klasifikasi dataset harga ponsel dengan menggunakan algoritma K-Nearest Neighbor. Data yang digunakan telah melalui proses pra-pemrosesan, ada tiga tahapan yang dilakukan yaitu ada pada data baris yaitu hapus duplikat, data kolom ada analisa korelasi dan pemlihan fitur, serta data nilai yaitu imputasi data. Proses implementasi algoritma K-Nearest Neigbor dengan seluruh atribut dengan nilai k=15 dan cross validation 10-fold dievaluasi menggunakan confusion matrix untuk mengukur performanya meraih tingkat nilai akurasi sebesar 93,50%, precision kelas 1 (medium cost) 92,03%, kelas 2 (high cost) yaitu 89,72%, kelas 3 (very high cost) 96,28% dan pada kelas 0 (low cost) 96,06%. Kemudian pada nilai recall pada kelas 1 (medium cost) yaitu 92,40%, kelas 2 (high cost) 90,80%, pada kelas 3 (very high cost) 93,20% dan kelas 0 (low cost) 97,60%.

Actions (login required)

View Item