RESUME

Metode Perhitungan Cadangan

Metode K-Nearest Neighbor Point

Disusun Oleh:

DEWI SURYANI
NIM. 18137009

Dosen Pengampu
ADREE OCTOVA, S.Si., M.T.

JURUSAN TEKNIK PERTAMBANGAN

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.