Implementasi Algoritma K-Nearest Neighbors pada Sistem Rekomendasi Kombinasi Peralatan Pancing Berdasarkan Lokasi, Budget, dan Target Berat Ikan

Viryadiva, Ananta (2025) Implementasi Algoritma K-Nearest Neighbors pada Sistem Rekomendasi Kombinasi Peralatan Pancing Berdasarkan Lokasi, Budget, dan Target Berat Ikan. Bachelor Thesis thesis, Universitas Multimedia Nusantara.

	PDF HALAMAN_AWAL.pdf Download (709kB)
	PDF BAB_I.pdf Download (216kB)
	PDF BAB_II.pdf Download (954kB)
	PDF BAB_III.pdf Download (1MB)
	PDF BAB_IV.pdf Restricted to Registered users only Download (795kB)
	PDF BAB_V.pdf Download (217kB)
	PDF DAFTAR_PUSTAKA.pdf Download (216kB)
	PDF LAMPIRAN.pdf Restricted to Registered users only Download (829kB)

Abstract

Pemilihan kombinasi peralatan pancing yang sesuai dengan lokasi, anggaran, dan target berat ikan sering menjadi kendala, khususnya bagi pemancing pemula. Penelitian ini bertujuan untuk: (1) merancang, mengimplementasikan, dan membangun sistem rekomendasi kombinasi peralatan pancing berbasis algoritma K-Nearest Neighbors (KNN) dengan antarmuka web interaktif, (2) membandingkan performa KNN dengan K-Means Clustering dan Decision Tree Classifier dalam hal akurasi dan ketepatan rekomendasi, serta (3) mengevaluasi hasil sistem untuk membuktikan efektivitas pendekatan yang digunakan. Dataset yang digunakan terdiri dari 3.000.000 kombinasi valid yang dibentuk dari 695 produk unik, hasil pembersihan data toko online dan survei terhadap 383 responden. Parameter input meliputi lokasi memancing, total anggaran, dan target berat ikan. Evaluasi teknis menunjukkan bahwa algoritma KMeans memperoleh nilai Silhouette Score sebesar 0,5137, menandakan segmentasi yang cukup baik, sedangkan Decision Tree Classifier hanya mencapai Adjusted Rand Index (ARI) sebesar 0,0000. KNN, meskipun tidak diukur dengan ARI, mampu menghasilkan rekomendasi dengan distance = 0 pada input identik dan distance rata-rata < 0,22 pada input interpolatif, menunjukkan presisi tinggi dalam pencarian tetangga terdekat.Evaluasi berbasis pengguna menggunakan skala Likert (1­5) terhadap lima responden menunjukkan KNN memperoleh skor rata-rata 4,87, unggul dibanding KMeans (3,87) dan Decision Tree (1,40). Semua responden menyatakan sistem mudah digunakan, informasi rekomendasi jelas, dan hasil sesuai ekspektasi. Temuan ini membuktikan bahwa KNN efektif dan aplikatif untuk membangun sistem rekomendasi kombinasi peralatan pancing yang akurat, relevan, serta mudah diakses oleh berbagai kalangan, termasuk pemula.

Item Type:	Thesis (Bachelor Thesis)
Keywords:	Antarmuka Web, Evaluasi Algoritma, K-Nearest Neighbors, Peralatan Pancing, Sistem Rekomendasi.
Divisions:	Faculty of Engineering & Informatics > Informatics
SWORD Depositor:	Administrator UMN Library
Depositing User:	Administrator UMN Library
Date Deposited:	20 Aug 2025 11:03
Last Modified:	20 Aug 2025 11:03
URI:	https://kc.umn.ac.id/id/eprint/39998

Actions (login required)

View Item