FAKULTAS TEHNIK
PRODI TEHNIK INFORMATIKA
UNIVERSITAS ISLAM MADURA
2023/2024
ABSTRAK
Paper ini membahas penerapan metode K-Nearest Neighbors (KNN) dalam
pengolahan data perbandingan menggunakan bahasa pemrograman Python. KNN merupakan
salah satu metode dalam machine learning yang dapat digunakan untuk klasifikasi dan regresi
berdasarkan kemiripan data. Dalam konteks ini, fokus utama adalah penerapan KNN untuk
membandingkan data dan mengevaluasi kemiripan antara entitas-entitas yang terlibat.
Pengolahan data perbandingan menjadi semakin penting dalam berbagai bidang,
termasuk pengenalan pola, analisis citra, dan sistem rekomendasi. Artikel ini memberikan
wawasan mendalam tentang konsep dasar KNN dan langkah-langkah implementasi dalam
bahasa pemrograman Python. Selain itu, penulis juga menyoroti keunggulan dan batasan dari
metode KNN dalam konteks pengolahan data perbandingan.
Metodologi eksperimen dijelaskan dengan rinci, termasuk pemilihan parameter yang
sesuai, pengolahan data, dan langkah-langkah evaluasi hasil. Hasil eksperimen disajikan
melalui grafik dan analisis statistik untuk mengilustrasikan efektivitas metode KNN dalam
memproses data perbandingan.
Paper ini dapat menjadi panduan praktis bagi para pengembang dan peneliti yang
tertarik dalam mengimplementasikan metode KNN untuk mengolah data perbandingan
dengan menggunakan bahasa pemrograman Python. Kesimpulan dari artikel ini mencakup
temuan utama, implikasi praktis, dan arah penelitian masa depan untuk pengembangan
metode ini dalam konteks pengolahan data perbandingan.
ABSTRAC
This paper explores the implementation of the K-Nearest Neighbors (KNN) method in
processing comparative data using the Python programming language. KNN is a machine
learning method utilized for classification and regression based on data similarity. In this
context, the primary focus is on applying KNN to compare data and assess the similarity
between involved entities.
The processing of comparative data is increasingly vital in various fields, including
pattern recognition, image analysis, and recommendation systems. This article provides in-
depth insights into the fundamental concepts of KNN and the step-by-step implementation in
the Python programming language. Furthermore, the author highlights the strengths and
limitations of the KNN method in the context of processing comparative data.
The experimental methodology is detailed, encompassing the selection of appropriate
parameters, data processing, and steps for evaluating results. Experimental outcomes are
presented through graphs and statistical analyses to illustrate the effectiveness of the KNN
method in processing comparative data.
This paper serves as a practical guide for developers and researchers interested in
implementing the KNN method for processing comparative data using the Python
programming language. Conclusions drawn from the article include key findings, practical
implications, and future research directions for the development of this method in the context
of processing comparative data.
Karna paper ini berjudul Pengolahan Perbandingan Data Covid19 Indonesia Dan Malaysia
Menggunakan Bahasa Pemrograman Python Dengan Implementasi Metode Knn.jadi kami
mengambil data khusus Indonesia dengan format seperti ini lalu Run/jalankan.
Setelah kami memanggil data covid19 indonesia dan Malaysia baru ke tahap selanjutnya
yaitu memanggil data covid19 indonesia yang terkonfirmasi lebih besar dari 0 dengan format
seperti ini
Dan tidak lupa kami mengambil data covid19 dari negara Malaysia yang terkonfirmasi
dengan format yang sama yaitu lebih besar dari 0
Figure 5. memanggil data yang terkonfirmasi dari malaysia
Nah setelah itu baru kami mencoba memanggil data dari keduanya di bagian ‘date’
Dengan format seperti ini
Sudah berhasil,lalu kmai ambil di bagian date nya dengan menuliskan isi datenya
Sudah berhasil di jalankan lalu kami mencoba memanggil sesuai dengan harinya
Jika sudah selesai lanjut ke tahap selanjutnya yaitu membandingkan data covid19 indonesia
dan Malaysia,dengan secara berurut/sesuai dengan urutan kodingan tadi,seperti ini
Figure 11.perbandingan
Nah sudah berhasil,jika ingin mencoba usahakan kodenya tertulis secara berurutan ya,sesuai
dengan langkah-langkah di atas.
Jadi kesimpulannya sesuai dengan gambar di atas menggambarkan bahwa kasus covid19 di
Indonesia lebih signifikan.
4. KESIMPULAN
Dalam penelitian ini, telah dilakukan pengolahan perbandingan data covid19 negara
indonesia dengan negara malaysia menggunakan bahasa pemrograman Python dengan
implementasi metode K-Nearest Neighbors (KNN). Secara keseluruhan, penelitian ini tidak
hanya memberikan wawasan mendalam tentang aplikasi KNN dalam pengolahan
perbandingan data, tetapi juga menggarisbawahi pentingnya pemilihan metode yang sesuai
dengan kebutuhan spesifik setiap kasus. Dengan penekanan pada optimalisasi parameter dan
persiapan dataset, penggunaan KNN dapat menjadi alat yang efektif dalam menangani tugas-
tugas pengolahan perbandingan data.
DAFTAR PUSTAKA
1. Han, J., Kamber, M., & Pei, J. (2011). Data Mining: Concepts and Techniques.
Elsevier.
2. Raschka, S., & Mirjalili, V. (2019). Python Machine Learning. Packt Publishing.
3. Pedregosa, F., Varoquaux, G., Gramfort, A., Michel, V., Thirion, B., Grisel, O., ... &
Vanderplas, J. (2011). Scikit-learn: Machine learning in Python. Journal of Machine
Learning Research, 12, 2825-2830.
4. Li, F., & Malik, J. (2010). Visualizing and understanding convolutional networks. In
European conference on computer vision (pp. 818-833). Springer.
5. Huang, G., Liu, Z., Van Der Maaten, L., & Weinberger, K. Q. (2017). Densely
connected convolutional networks. In Proceedings of the IEEE conference on
computer vision and pattern recognition (pp. 4700-4708).
6. Abadi, M., Barham, P., Chen, J., Chen, Z., Davis, A., Dean, J., ... & Kudlur, M.
(2016). TensorFlow: A system for large-scale machine learning. In 12th USENIX
Symposium on Operating Systems Design and Implementation (OSDI 16) (pp. 265-
283).
7. Kaggle. (n.d.). Kaggle Datasets. Retrieved from https://www.kaggle.com/datasets