Implementasi Algoritma K-Nearest Neighbor dalam Menentukan Buku Berdasarkan Peminatan

Abstract

The use of computer technology helps a lot in human performance in various data and information management. Therefore, researchers use computers to make analyzes that can predict favorite books based on data from book borrowing records in the library. Researchers use is data mining. Data mining is a term used to describe the discovery of knowledge in databases, using statistical techniques, mathematics, artificial intelligence, and machine learning to extract and identify information that is useful for science. The use of data mining requires a method that can manage book borrowing data so that it gets the predictions of favorite books. The method used is K-Nearest Neighbor (KNN). The results of the accuracy in this study are 98.75%, Prediction of Disinterest with true Not Interest is 28 data, Prediction of Disinterest with true Interest is 1 data, Prediction of Interest with true No Interest is 0 data, Interest Prediction with true Interest is 54 data.

Analisis Minat Baca Berdasarkan Tujuan Kunjungan Menggunakan Metode K-Nearest Neighbor Pada Perpustakaan Daerah Kabupaten Cirebon

“…Penelitian Oleh [1] Pendekata penelitian dalam artikel tersebut bersifat kuantitatif. Hasil penelitian menunjukkan bahwa implementasi algoritma Knearest Neighbor (KNN) dalam menentukan buku berdasarkan peminatan menghasilkan tingkat akurasi 98,75%.…”

Faktor-Faktor Yang Mempengaruhi Minat Calon Mahasiswa Baru Mendaftar Pada Ftii Uhamka Menggunakan Algoritma K-Nearest Neighbor (K-Nn)

“…Dalam siklus training, K-NN berfungsi dalam penyimpanan vektor-vektor fitur dan penggolongan data training sample. Lalu, ditahapan klasifikasi dilakukan testing data berdasarkan perhitungan terhadap kesamaan fitur-fitur atau yang klasifikasinya belum diketahui (Hasanah et al, 2022).…”

Perbandingan Algoritma Naïve Bayes Dan K-Nearest Neighbor Pada Klasifikasi Judul Artikel Pada Jurnal Ilmiah

“…Kebutuhan akan jurnal atau artikel ilmiah pun semakin meningkat daya tamping mahasiswa yang terus meningkat setiap tahunnya disetiap universitas juga berpengaruh peneliti yang beranggotakan mahasiswa dan dosen [4]. Konsep text mining digunakan sebagai klasifikasi dokumen teks,di mana dokumen yang ada di klasifikasikan menurut dokumen yang akan diproses [5]. Dengan bantuan konsep ini, membuat artikel yang diteliti menjelaskan kategori jenis dengan memunculkan kata-kata dari artikel yang ada [6].…”