KELOMPOK 5

ALGORITMA Knn
-FAJRUL (k-Nearest Neighbor)
-AGUNG MACHINE LEARNING
-JODI BY
 DESKRIPSI KNN

- kNN adalah sebuah metode klasifikasi terhadap sekumpulan data berdasarkan

pembelajaran data yang sudah terklasifikasi sebelumnya.
- Termasuk dalam supervised learning, dimana hasil query instance yang baru
dikasifikasikan berdasarkan maypritas kedekatan jarak dari kategori yang ada dalam
kNN
- Diberikan titik query, akan ditemukan sejumlah k obyek atau (titik training) yang
paling dekat dengn titik query.
- Klasifikasi menggunakan voting terbanyak diantara klasifikasi dari k obyek
- Algoritma k-nearest neighbor (KNN) menggunakan klasifikasi ketetanggaan sebagai
nilai prediksi dari query instance yang baru,
 UKURAN JARAK

- Dekat atau jauhnya tetangga biasanya dihitung berdasarkan Eudlidean Distance.

- D (a,b) =
- Dimana D(a,b) adalah jarak skalar dari dua buah vektor data a dan b yang berupa
matrik berukuran dimensi
 ALGORITMA

- Menentukan parameter k (jumlah tetangga paling dekat).

- Menghitung kuadrat jarak eucliden objek terhadap data training yang diberikan.
- Mengurutkan hasil no 2 secara ascending.
- Mengumpulkan kategori Y (klasifikasi nearest neighbor berdasarkan nilai k)
- Dengan menggunakan kategori nearest neighbor yang paling mayoritas maka dapat
diprediksikan kategori objek
 KNN

- Terdapat beberapa data yang berasal dari social network ads tentang
klasifikasi penghasilan dari jaringan sosial apakah banyak atau
sedikit, dengan objek training menggunakan tiga attribute yaitu Age,
Estimated Salary, Purcashed
KNN
KNN

Yang pertama adalah meng-

import libraries dan
datasetnya
 KNN

Membagi dataset ke dalam set

pelatihan dan set pengujian
KNN
KNN
KNN
KNN
KNN

Melatih K-NN model

ke dalam set pelatihan
KNN
 KNN

Memprediksi hasil set pengujian

 KNN

Membuat confusion matriks untuk membandingkan kedua model

 KNN

Memvisualisasikan hasil set pengujian

 KNN

Data Aktual Data Prediksi Dari Model K-NN

 KNN

Penggabungan Data Aktual dan Data Prediksi Dari Model K-NN

TERIMA KASIH