0 penilaian0% menganggap dokumen ini bermanfaat (0 suara)
26 tayangan4 halaman
Dokumen tersebut merangkum metode K-Nearest Neighbor Point (K-NN) untuk perhitungan cadangan, yang mengklasifikasikan sampel baru berdasarkan K tetangga terdekat dari sampel pelatihan dengan menghitung jarak. Metode ini relatif sederhana namun membutuhkan biaya perhitungan tinggi.
Dokumen tersebut merangkum metode K-Nearest Neighbor Point (K-NN) untuk perhitungan cadangan, yang mengklasifikasikan sampel baru berdasarkan K tetangga terdekat dari sampel pelatihan dengan menghitung jarak. Metode ini relatif sederhana namun membutuhkan biaya perhitungan tinggi.
Dokumen tersebut merangkum metode K-Nearest Neighbor Point (K-NN) untuk perhitungan cadangan, yang mengklasifikasikan sampel baru berdasarkan K tetangga terdekat dari sampel pelatihan dengan menghitung jarak. Metode ini relatif sederhana namun membutuhkan biaya perhitungan tinggi.
FAKULTAS TEKNIK UNIVERSITAS NEGERI PADANG 2020 A. Definisi Metode K-NN K-Nearest Neighbor Point (K-NN) adalah suatu metode yang menggunakan algoritma supervised dimana hasil dari sampel uji yang baru diklasifikasikan berdasarkan mayoritas dari kategori pada K-NN. Tujuan dari algoritma ini adalah mengklasifikasi objek baru berdasakan atribut dan sampel latih. Pengklasifikasian tidak menggunakan model apapun untuk dicocokkan dan hanya berdasarkan pada memori. Algoritma metode K-NN sangatlah sederhana, bekerja dengan berdasarkan pada jarak terpendek dari sample uji ke sample latih untuk menentukan K-NN nya. Setelah mengumpulkan K-NN, kemudian diambil mayoritas dari K-NN untuk dijadikan prediksi dari sample uji. Data untuk algoritma K-NN terdiri dari beberapa atribut multi-variate Xi yang akan digunakan untuk mengklasifikasikan Y. Data dari K-NN dapat dalam skala ukuran apapun, dari ordinal ke nominal.
B. Kelebihan dan Kekurangan
Metode K-Nearest Neighbor Point (K-NN) memiliki beberapa kelebihan, yaitu sebagai berikut: • Sangat sederhana implementasi. • Kuat dalam hal ruang pencarian, misalnya, kelas tidak harus linear dipisahkan. • Efektif untuk menghitung data dalam skala kecil. • Beberapa parameter untuk acuan : jarak metrik dan k Selain memiliki kelebihan, metode ini juga memiliki kelemahan, yaitu: • Perlu untuk menentukan nilai k yang optimal sehingga untuk menyatakan jumlah tatangga terdekatnya lebih mudah. • Biaya komputasi yang cukup tinggi karena diperlukan perhitungan jarak dari tiap sample uji pada keseluruhan sample latih. C. Langkah-Langkah Langkah yang digunakan dalam metode K-Nearest Neighbor Point, yaitu: • Menentukan parameter k (jumlah tetangga paling dekat). • Menghitung kuadrat jarak eucliden objek terhadap data training yang diberikan. • Mengurutkan hasil no 2 secara ascending (berurutan dari nilai tinggi ke rendah). • Mengumpulkan kategori Y (Klasifikasi nearest neighbor berdasarkan nilai k). • Dengan menggunakan kategori nearest neighbor yang paling mayoritas maka dapat dipredisikan kategori objek.
D. Pertanyaan dan Jawaban
• Tolong jelaskan secara singkat bagaimana cara menghitung nilai k Untuk menghitung nilai k pada metode nearest point cukup simple, yaitu cukup dengan menggunakan jarak antar lubang / titik yang diketahui ke titik yang ingin dicari dan nilai kadar titik yang sudah diketahui, kemudian masukkan ke rumus di bawah ini.
• Apakah metode ini efektif untuk dilakukan?
Metode ini cukup efektif untuk digunakan, hal ini berhubungan dengan data yang didapat. Metode ini menghasilkan data yang cukup detail dan akurat. Hanya saja, kelemahan dari metode ini adalah memakan biaya yang cukup besar. • Apakah pengaruh jarak pada metode ini? Jarak sangat mempengaruhi dalam perhitungan di metode nearest point ini, karena metode nearest point ini merupakan metode yang menggunakan nilai titik terdekat sebagai nilai pada titik yang ditaksir. Dalam perhitungannya metode ini menggunakan jarak antara titik yang diketahui dan titik yang dicari. • Kenapa biaya pada metode ini tinggi? Karena diperlukan perhitungan jarak dari setiap sampel uji pada keselurahan sampel latih. Misal, kita ingin menentukan nilai kadar pada satu titik yang berada diantara 6 titik yang sudah diketahui kadarnya, tentu kita harus menghitung jarak antara titik yang ingin dicari dengan titik yang sudah diketahui sebanyak 6 kali, tentu hal ini akan memakan biaya yang lebih banyak. • Apa perbedaan SR by area dengan SR by volume? Perbedaannya yaitu Sr by area menggunakan luasan area sedangkan SR by volume menggunakan volume, dan untuk mencari Sr by volume membutuhkan data ketebalan ( T ). • Apakah jarak setiap lubang bor sama? Pada metode ini jarak antar lubang bor tergantung pada kondisi di lapangan, tentu jaraknya akan berbeda tetapi juga bisa disamakan sesuai dengan kebutuhan.