Nama : Muhammad Reza

NIM : 12050114432
Kelas : Pengenalan Pola 5B

TUGAS UTS PENGENALAN POLA

1. Data set dan Penjelasannya

Data set = 20
Data set berbentuk nilai acak
Data latih = 90% ; 18 data
Data uji = 10% ; 2 data

Kelas terbagi 2 yaitu :

1. Good : Apabila K<=N
2. Bad : Apabila K>N

N = hasil dari pengujian jarak

 2. Metode Klasifikasi dan Rumus jarak yang digunakan
Metode Klasifikasi menggunakan Metode K-Nearest Neighbor(KNN)
K-Nearest Neighbor adalah suatu metode yang menggunakan algoritma supervised dimana
hasil dari query instance yang baru diklasifikan berdasarkan mayoritas dari kategori pada
KNN. Tujuan dari algoritma KNN adalah untuk mengklasifikasi objek baru berdasarkan
atribut dan training samples. Dimana hasil dari sampel uji yang baru diklasifikasikan
berdasarkan mayoritas dari kategori pada KNN.
Rumus Jarak :
Manhattan Distance :

*rumus ini mencari jarak hanya dengan menjumlahkan semua selisih dari jarak

Mungkin idenya dari menghitung jarak dari 3 ke 5 yaitu 2 karena |3-5|=2. Apa bedanya
dengan euclidean distance? manhattan distance itu :
Mengurangi per elemen antar 2 variabel, memutlakannya lalu menjumlahkannya.
Sedangkan euclidean distance menghitung jarak antara 2 titik dengan konsep pythagoras,
yang kalau divisualisasikan berupa garis miring pada segitiga siku-siku.
 3. Perhitungan Klasifikasi untuk Ketetanggan(K) yang berbeda

Data Uji : x1 = 5 ; x2 = 5; x3 = 5

K = 7,4

Dari Table diatas dapat dilihat bahwa dapat ambil sejumlah K data dengan jarak terdekat,
kemudian tentukan kelas dari data baru tersebut.

Nilai dari K yaitu 7, sehingga kita perlu mengambil 5 data dengan jarak terdekat dengan
data baru. Jarak yang terdekat yaitu data ke-2, data ke-3, data ke- 13, data ke- 14, data ke-
16, data ke- 17, dan data ke- 18.

Sehingga dapat disimpulkan data dari kelas baru = Good

Nilai dari K yaitu 4, sehingga kita perlu mengambil 4 data dengan jarak terdekat dengan
data baru. Jarak yang terdekat yaitu data ke- 2, data ke- 3, data ke- 7, dan data ke- 11.

Sehingga dapat disimpulkan data dari kelas baru = Good

Data Uji = x1 = 4 ; x2 = 3 ; x3 = 6

K = 7,4
Nilai dari K yaitu 7, sehingga kita perlu mengambil 7 data dengan jarak terdekat dengan
data baru. Jarak yang terdekat yaitu data ke-2, data ke-6, data ke- 8, data ke- 7, data ke-14,
data ke- 15, dan data ke- 12.

Sehingga dapat disimpulkan data dari kelas baru = Good

Nilai dari K yaitu 4, sehingga kita perlu mengambil 4 data dengan jarak terdekat dengan
data baru. Jarak yang terdekat yaitu data ke- 7, data ke- 11, data ke- 14, dan data ke- 2.
Sehingga dapat disimpulkan data dari kelas baru = Good

4. Akurasi