Nama : Adhigana Priyatama

NIM : 201810370311212
Kelas : Metode Penelitian 6C

Tugas Literature Review untuk Tugas Akhir

No. Jurnal Penulis Tahun Sumber Permasalahan Metode Hasil Penelitian Kekurangan/Future
Penelitian Work
1. The Prediction Of Pranoto 2019 Jurnal Perolehan nilai Metode Penerapan Akurasi metode yang
National Exam Wibowo, Nasional ujian nasional Kuantitatif metode kNN digunakan masih
Scores Of Junior Imam Much siswa rendah yang digunakan terlalu rendah di
High School Ibnu Subroto, dan belum ada untuk beberapa mata
Students Using K- Sri Arttini model prediksi memprediksi pelajaran yang diuji
Nearest Neighbor Dwi yang digunakan nilai ujian siswa coba.
(K-NN) Algorithm Prasetyowati untuk SMP Negeri 13
memprediksi Tegal memiliki
prestasi nilai kinerja yang
ujian nasional lebih baik
siswa. daripada
menggunakan
metode
Decision tree.
2. Implementasi Dwi 2019 Jurnal Kondisi air Metode Dari penelitian Saran dari sistem ini
Algoritme K- Firmansyah , Nasional akuarium yang Kuntitatif yang dilakukan adalah untuk
Nearest Neighbour Dahnial kurang baik dapat melakukan kontrol
pada Sistem Syauqy , dapat disimpulkan dan Monitoring
Monitoring dan Rizal menyebabkan bahwa sistem berbasis internet of
Klasifikasi Air Maulana terganggunya klasifikasi things dengan
Aquarium Ikan Koi kesehatan ikan, kondisi air menggunakan
 berbasis Embedded kondisi air yang akuarium menggunakan metode
System. cenderung tidak dengan lain serta
stabil dapat menggunakan membandingkan data
mengganggu metode knearest yang lebih akurat.
dan mengancam neighbor Menambahkan sensor
kesehatan ikan. didapatkan hasil supaya dapat di
tingkat implementasikan
keakuratan dari langsung pada kolam.
sistem di
masing-masing
percobaan
adalah 100%
dan rata-rata
dari error yang
dialami sistem
sebesar 72,72%.
3. A Case Based I Gede Teguh 2020 Jurnal Banyaknya Metode K-Nearest -
Reasoning System Mahardika, I Nasional pertimbangan Kuntitatif Neighbor sangat
For Wayan untuk memilih berpengaruh
Recommendation Supriana restoran atau dalam
Of Restaurant In tempat yang memberikan
Jimbaran Using K- akan dikunjungi rekomendasi
Nearest Neighbor menjadi salah yang diberikan
satu faktor dengan
sulitnya menghitung
menentukan kedekatan
restoran atau antara kasus
tempat makan. baru dan kasus
mendasarkan.
Sistem berhasil
memberikan
rekomendasi
yang kompleks
 berdasarkan
jenis dan
jenisnya
makanan yang
dimasukkan
oleh pengguna.
4. Predicting Tio 2019 Jurnal Banyak Metode KNN sangat -
Candidates For Fit Sampurno, Internasional kandidat yang Kuntitatif berguna untuk
And Proper Test Beni tersaring memprediksi
Using K-Nearest Hediyantama, sehingga kandidat yang
Neighbor Martini Ayu membutuhkan berasal dari 7
Widiyati waktu untuk (tujuh) test set
melakukan tes. (pegawai yang
Di sisi lain, sesuai
alokasi waktu berdasarkan
harus peraturan)
disesuaikan PLN). KNN
dengan tingkat memprediksi 5
kematangan karyawan yang
kedua kandidat True Positive
karena penguji (sebenarnya
adalah sukses maka
manajemen prediksi sukses),
dasar sampai itu bisa
manajemen mengurangi
tinggi. calon lebih 40
persen.
5. Prediction of Faza 2018 Jurnal Kebiasaan Metode Dari pengujian Beberapa kali
Smarthphone Ghassani, Internasional pengguna Kuntitatif dan analisis terjadinya sebuah
Charging using maman ponsel pintar yang telah kasus dimana
KNearest Neighbor Abdurohman, menyebabkan dilakukan, dapat hasilnya tidak dapat
Machine Learning Aji Gautama penurunan disimpulkan memenuhi ekspektasi
Putrada kapasitas bahwa seperti pengisian
 baterai dan menggunakan yang tiba – tiba yang
masa pakai alat yang masih membutuhkan
baterai lebih terintegrasi perhatian user
cepat dari yang dengan Internet maupun admin dalam
seharusnya. of things penanganannya.
Menghentikan menggunakan
siklus pengisian metode KNN,
daya tepat dapat berhenti
waktu mengisi daya
diperlukan tepat waktu
untuk dengan
menghindari menambahkan
penurunan test data
kapasitas dan menjadi train
masa pakai data agar train
baterai karena data selalu
pengisian yang menjadi lebih
berlebihan. baik dalam
memprediksi
waktu pengisian
daya.
6. Automatic Feature Muhammad 2019 Jurnal Pendidikan Metode pemilihan fitur Penulis akan
Selection for Wafi, Umar Internasional pada masa Kuntitatif di Modified K- mencoba
Modified KNearest Faruq, sekarang sudah Nearest menggunakan
Neighbor to Predict Ahmad Afif sangat Neighbor algoritma evolusioner
Student's Academic Supianto berkembang, menggunakan yang lain seperti
Performanc setiap lembaga Algoritma Particle Swarm
pendidikan Genetika dapat Optimization (PSO)
dituntut untuk meningkatkan dan
memberikan akurasi dari M- membandingkannya
lingkungan KNN dengan dengan algoritma
pembelajaran 0,826 (82,6%) Genetika dengan
yang lebih baik. sedangkan K- metode klasifikasi
 NN hanya yang berbeda seperti
memiliki 0,736 SVM dan Naïve
(73,6%) . Bayes.
Hasilnya
membuktikan
bahwa fitur
seleksi dengan
Algoritma
Genetika
bekerja dengan
baik untuk
menghilangkan
fitur yang tidak
berguna dan
dapat
meningkatkan
metode
klasifikasi.
7. Crime Prediction Akash 2020 Jurnal Untuk negara Metode Banyak pola pekerjaan ini dapat
Using K-Nearest Kumar, Internasional berkembang Kuntitatif aktifitas dikembangkan
Neighboring Aniket seperti India, kriminal di dengan algoritma
Algorithm Verma, bukan hal baru berbagai bidang klasifikasi yang lain
Gandhali ketika orang yang akan untuk mendeteksi
Shinde mendengar membantu penjahat dengan lebih
kejahatan untuk efisien.
terjadi cukup mengetahui
sering. Dengan hasil investigasi
urbanisasi kota kriminal. Sistem
yang cepat, KNN membantu
ksemua orang lembaga hukum
harus selalu pelaksana untuk
waspada kemajuan
 terhadap analisis
lingkungan. kriminal.
8. A Placement Animesh 2016 Jurnal Siswa yang Metode Kantor Pekerjaan selanjutnya
Prediction System Giri, M Internasional belajar di tahun Kuntitatif penempatan dapat dilakukan
Using K-Nearest Vignesh V terakhir atau dapat bekerja dengan menerapkan
Neighbors Bhagavath, pra – akhir dengan algoritma lain yang
Classifier Bysani tahun mengidentifikasi dapat mengarah pada
Pruthvi, Perguruan kelamahan peningkatan hasil,
Naini Dubey tinggi teknik siswa dan juga Keterampilan
mulai mengambil yang berbeda set
merasakan langkah – untuk cabang yang
tekanan dari langkah disebutkan di atas
musim perbaikan agar dan pada data aliran
penempatan siswa dapat rekayasa yang
dengan begitu mengatasi berbeda. Kunci untuk
banyak kegiatan kelemahan dan ini akan adalah untuk
penempatan melakukan yang mengidentifikasi
terjadi di sekitar terbaik untuk aspek-aspek cabang
mereka. Mereka kemampuan teknik ini engineering
merasa perlu meraka serta yang akan menguji
tahu di mana memberikan pengetahuan siswa
mereka pengetahuan untuk ditempatkan di
ditempatkan kepada kantor perusahaan inti untuk
dan bagaimana penempatan cabang masing-
mereka dapat dimana siswa masing.
meningkatkan akan
peluang untuk ditempatkan.
penempatan.
9. Toward Predicting Shahab 2017 Jurnal informasi Metode Peneliti menguji Penelitian di masa
Medical Conditions Tayeb, Matin Internasional kondisi Kuntitatif akurasi depan bertujuan
Using kNearest Pirouz, kesehatan berisi algoritma ini untuk aplikasi
Neighbor Johann Sun, informasi dengan diagnosa medis skala
Kaylee Hall, statistik yang repositori besar.
 Andrew berharga. kumpulan data
Chang, volumenya UCI Machine
Jessica Li, yang besar Learning,
Connor Song, membuatnya khususnya
Apoorva sulit untuk penyakit jantung
Chauhan, dianalisis tanpa dan kronis gagal
Michael algoritma yang ginjal. Hasilnya
Ferra, efisien. menunjukkan
Theresa akurasi
Sager, Justin diagnostik 90%
Zhan, memberi atau
Shahram menerima
Latifi margin
kesalahan 5%
karena adanya
outlier dalam
dataset
pelatihan.
10. Predicting Math Jessica 2017 Jurnal Sulit untuk Metode Secara acak angkah selanjutnya
Test Scores Using Maikhanh Internasional memprediksi Kuntitatif catatan tes tugas adalah menggunakan
K-Nearest Neighbor Brown nilai tes siswa keempat algoritma
dalam kategori akan kategorisasi lainnya.
Matematika. berhasil hanya
Dengan mampu 25% dari tiap
memprediksi waktu. Hasil
nilai ujian siswa tertinggi adalah
yang akan 48,78%,
berjuang, Siswa mendekati 50%.
bisa mendapat Artinya KNN
lebih banyak memprediksi
perhatian. dengan benar
(dibulatkan)
50%.