Nearest Neighbour Rule

Fadhilah Dirayati, S.Kom., M.Kom

2222707

arifin, sistem informasi - udinus 1

Konsep NNR

Fadhilah Dirayati, Sistem Informasi - UMITRA 2

K-Nearest Neighbour (KNN)

Fadhilah Dirayati, Sistem Informasi - UMITRA 3

Implementasi KNN

ID X Y Kategori
A 7 6 Buruk
B 6 6 Buruk
C 6 5 Buruk
D 1 3 Baik
E 2 4 Baik
F 2 2 Baik

Fadhilah Dirayati, Sistem Informasi - UMITRA 4

 ID X Y Kategori Jarak dengan objek (X=3 & Y=5) Urutan Kedekatan

A 7 6 Buruk (7 − 3)2 +(6 − 5)2 = 4,12 5

(6 − 3)2 +(6 − 5)2 = 3,16

B 6 6 Buruk 4

(6 − 3)2 +(5 − 5)2 = 3,00

C 6 5 Buruk 3

3
tetangga (1 − 3)2 +(3 − 5)2 = 2,83
D 1 3 Baik 2
terdekat

2 − 3)2 + (4 − 5)2 = 1,41

E 2 4 Baik 1

(2 − 3)2 +(2 − 5)2 = 3,16

F 2 2 Baik 4

Pada contoh ini digunakan Euclidean Distance sebagai metode pengukuran jaraknya. Metode yang
lain tetap boleh digunakan asalkan sesuai dengan jenis atributnya

Hasil “Voting’ diantara 3 tetangga terdekat menunjukan

objek P termasuk ke dalam kategori Baik

Fadhilah Dirayati, Sistem Informasi - UMITRA 5

Pseudo Nearest Neighbour Rule (PNNR)

Fadhilah Dirayati, Sistem Informasi - UMITRA 6

Pengertian Klasifikasi

ID X Y Kategori
A 7 6 Buruk
B 6 6 Buruk
C 6 5 Buruk
D 1 3 Baik
E 2 4 Baik
F 2 2 Baik

Fadhilah Dirayati, Sistem Informasi - UMITRA 7

Penyelesaian
ID X Y Kategori Jarak dengan objek (X=3 & Y=5) Urutan Kedekatan

A 7 6 Buruk (7 − 3)2 +(6 − 5)2 = 4,12 5

2
tetangga
terdekat (6 − 3)2 +(6 − 5)2 = 3,16
B 6 6 Buruk 4
untuk
kategori
Buruk (6 − 3)2 +(5 − 5)2 = 3,00
C 6 5 Buruk 3

2 (1 − 3)2 +(3 − 5)2 = 2,83

tetangga D 1 3 Baik 2
terdekat
untuk 2 − 3)2 + (4 − 5)2 = 1,41
kategori E 2 4 Baik 1
Baik
(2 − 3)2 +(2 − 5)2 = 3,16
F 2 2 Baik 4

Total jarak kategori Baik = 4,24 Total jarak kategori buruk = 6, 16

Karena total jarak Baik < total jarak kategori Buruk.

Maka objek dikelompokan ke dalam kategori Baik

Fadhilah Dirayati, Sistem Informasi - UMITRA 8

 TERIMA KASIH

Fadhilah Dirayati, sistem informasi - UMITRA