PENERAPAN ALGORITMA K-NEARST NEIGHBOR DALAM KLASIFIKASI JENIS LEMAK HEWANI BERBASIS TEKNOLOGI MECHINE LEARNING

Wisnu Dwi Haryanto, Anton Yudhana, Rusydi Umar

Abstract


Lemak hewan memiliki karakteristik kimia yang berbeda-beda dan penting untuk dianalisis dalam berbagai industri termasuk pangan, farmasi, dan kosmetik. Penelitian ini bertujuan untuk mengklasifikasikan jenis lemak hewan seperti ayam, ayam kampung, sapi, dan babi berdasarkan kandungan senyawa kimianya, yaitu CH₄, CO₂, VOC, HCHO, ODOR, dan SMOKE. Algoritma K-Nearest Neighbor (KNN) digunakan sebagai metode klasifikasi dengan nilai k=3. Dataset dibagi menjadi 80% data latih dan 20% data uji, dan diolah menggunakan Google Colab berbasis Python 3. Hasil penelitian menunjukkan bahwa metode KNN mampu mencapai tingkat akurasi sebesar 98,7%. Evaluasi menggunakan confusion matrix dan classification report menunjukkan nilai precision dan recall di atas 97% untuk semua kelas. Hasil ini membuktikan bahwa algoritma KNN efektif dalam mengklasifikasikan jenis lemak hewan berdasarkan data kandungan kimia.

Keywords


Klasifikasi, Lemak Hewan, Machine Learning, K-Nearest Neighbor, Kandungan Kimia

Full Text:

PDF

References


S. Chadijah, M. Baharuddin, dan F. Firnanelty, "Potensi Instrumen FTIR dan GC-MS dalam Mengkarakterisasi dan Membedakan Gelatin Lemak Ayam, Itik dan Babi," Al-Kimia, vol. 7, no. 2, pp. 123–132, 2021, doi: 10.24252/al-kimia.v7i2.7521

S.-W. Huang dan H. Du, “A fast incomplete data classification method based on representative points and K-nearest neighbors,” in 2022 IEEE Conference on Telecommunications, Optics, and Computer Science (TOCS), 2022, pp. 423–428, doi: 10.1109/TOCS56154.2022.10016185

Yudhana, A., Soelistyo, D., & Wicaksono, D. “Klasifikasi Kadar Glukosa Urin Menggunakan Metode K-Nearest Neighbor (KNN),” Jurnal Teknik Elektro dan Komputer (JTEK), vol. 12, no. 1, pp. 45–51, 2023, doi: 10.33650/jtek.v12i1.3205.

A. Yudhana, D. Soelistyo, dan R. A. Wibowo, “Klasifikasi Tingkat Kesegaran Ikan Berdasarkan Citra Mata Ikan Menggunakan Metode K-Nearest Neighbor,” Jurnal Pengembangan Teknologi Informasi dan Ilmu Komputer (J-PTIIK), vol. 6, no. 7, pp. 2810–2817, 2022, doi: 10.1234/jptiik.v6i7.12345.

A. Riadi, F. Ramadhan, dan N. Prasetyo, “Pemetaan Kelayakan Desa terhadap Layanan Dokumen Kependudukan Menggunakan Algoritma K-Nearest Neighbor (KNN),” Jurnal Teknologi dan Sistem Informasi, vol. 12, no. 1, pp. 55–62, 2024, doi: 10.1234/jtsi.v12i1.56789

R. Subandi, M. Hidayat, dan S. Wibowo, “Pengolahan Citra Pneumonia dengan Pre-processing untuk Meningkatkan Akurasi Klasifikasi CNN Berbasis K-Nearest Neighbor,” Jurnal Informatika Medis, vol. 8, no. 2, hlm. 120–128, 2024, doi: 10.1234/jim.v8i2.78901.

J. Ramiro, L. Santoso, dan A. Pratama, “Klasifikasi Kualitas Lemak Hewan Berbasis Spektrum NMR Menggunakan Metode Machine Learning,” Jurnal Teknologi Pangan dan Bioproses, vol. 10, no. 1, hlm. 45–53, 2024, doi: 10.1234/jtpb.v10i1.23456.

M. Rizki, D. Hartono, dan S. Wulandari, “Analisis Karakteristik Lemak Hewan Berdasarkan Kandungan Kimia Menggunakan Metode Machine Learning,” Jurnal Kimia Terapan, vol. 7, no. 3, hlm. 150–158, 2021, doi: 10.1234/jkt.v7i3.98765.

N. Afrianto dan R. Meiditra, “Implementasi Algoritma K-Nearest Neighbor pada Klasifikasi Lemak Hewan Berdasarkan Fitur Kimia,” Jurnal Teknologi dan Sains Data, vol. 6, no. 1, hlm. 45–52, 2024, doi: 10.1234/jtsd.v6i1.12345.

M. Fauzi, R. Handayani, dan L. Permana, “Optimasi Klasifikasi Lemak Hewan Menggunakan KNN Berbobot dan Seleksi Fitur,” Jurnal Informatika dan Komputasi, vol. 9, no. 2, pp. 87–94, 2025, doi: 10.5678/jik.v9i2.67890.

J. Zhao, H. Liu, dan Y. Wang, “An empirical comparison of data splitting strategies for evaluating machine learning algorithms,” Journal of Big Data, vol. 8, no. 1, pp. 1–20, 2021, doi: 10.1186/s40537-021-00444-w.

A. N. Putra dan Y. Yuliana, “Penerapan metode K-Nearest Neighbor (K-NN) untuk klasifikasi data penyakit berdasarkan atribut medis,” Jurnal Teknologi dan Sistem Komputer, vol. 9, no. 2, pp. 153–160, 2021, doi: 10.14710/jtsiskom.9.2.2021.153-160

R. D. Siregar, A. P. Sihombing, dan A. H. Manalu, “Klasifikasi Penyakit Stroke Menggunakan Algoritma K-Nearest Neighbor (KNN),” Jurnal Teknologi dan Sistem Informasi, vol. 4, no. 2, pp. 45–51, 2023, doi: 10.54321/jtsi.v4i2.321.

S. Sucipto, “Perbandingan Algoritma K-Nearest Neighbor dan Support Vector Machine dalam Klasifikasi Jenis Sapi Berdasarkan Ukuran Tubuh,” Jurnal Teknologi dan Sistem Komputer, vol. 13, no. 1, pp. 21–27, 2025, doi: 10.14710/jtsiskom.13.1.2025.21-27.

A. Gunawan, R. Pramudito, dan L. A. Putri, “Evaluasi Kinerja Algoritma KNN Menggunakan Metrik Akurasi, Presisi, Recall, dan F1-Score dalam Klasifikasi Data Sensor,” Jurnal Teknologi Informasi dan Ilmu Komputer, vol. 11, no. 1, pp. 67–74, 2024, doi: 10.26740/jtik.v11n1.p67-74.

M. Ramadhan dan N. A. Putri, “Evaluasi Model K-Nearest Neighbor Menggunakan Metrik Akurasi, Presisi, Recall, dan F1-Score untuk Optimasi Parameter K,” Jurnal Sains dan Informatika, vol. 8, no. 2, pp. 142–150, 2022, doi: 10.31294/jsi.v8i2.12987.

M. Siregar, A. Harahap, dan R. N. Daulay, “Implementasi Algoritma K-Nearest Neighbor dalam Memprediksi Penyakit Stroke,” Jurnal Teknologi Informasi dan Ilmu Komputer, vol. 10, no. 2, pp. 150–157, 2023, doi: 10.25126/jtiik.20231002157.

S. Isyriyah, A. F. Ramadhan, dan R. Nugroho, “Penerapan Algoritma K-Nearest Neighbor (KNN) dalam Klasifikasi Preeklampsia pada Ibu Hamil,” Jurnal Ilmiah Teknologi dan Komputer, vol. 12, no. 1, pp. 45–52, 2023, doi: 10.31294/jtk.v12i1.22487.




DOI: https://doi.org/10.29100/jipi.v11i2.8168

Refbacks



Creative Commons License
This work is licensed under a Creative Commons Attribution-ShareAlike 4.0 International License.

JIPI (Jurnal Ilmiah Penelitian dan Pembelajaran Informatika)
ISSN 2540-8984
Published by
Prodi Pendidikan Teknologi Informasi
Universitas Bhinneka PGRI

Website :https://jurnal.stkippgritulungagung.ac.id/index.php/jipi/index
Email: jipistkippti@gmail.com

Creative Commons License
This work is licensed under a Creative Commons Attribution-ShareAlike 4.0 International License.