Studi Komparatif Metode Jarak Euclidean dan Manhattan pada Klasifikasi Kendaraan Menggunakan Algoritma K-Nearest Neighbor

Indriani Indriani, Chairiza Chairiza, Lenny Lenny

Abstract


Klasifikasi citra merupakan salah satu cabang penting dalam bidang pengolahan citra digital dan pengenalan pola, di mana metode k-Nearest Neighbor (KNN) banyak digunakan karena kesederhanaan dan efektivitasnya. Namun, tingkat akurasi klasifikasi KNN sangat dipengaruhi oleh metode perhitungan jarak yang digunakan untuk menentukan kedekatan antar data. Penelitian ini bertujuan untuk menganalisis pengaruh dua metode perhitungan jarak, yaitu Euclidean dan Manhattan, terhadap akurasi klasifikasi citra mobil menggunakan algoritma KNN. Dataset yang digunakan terdiri dari citra berbagai jenis mobil yang telah melalui tahap praproses seperti konversi grayscale, ekstraksi fitur, dan normalisasi. Hasil penelitian menunjukkan bahwa terdapat perbedaan performa klasifikasi yang signifikan berdasarkan metode jarak yang digunakan. Metode Euclidean memberikan tingkat akurasi yang lebih tinggi dibandingkan Manhattan pada sebagian besar skenario pengujian. Temuan ini menunjukkan bahwa pemilihan metode perhitungan jarak yang tepat dapat meningkatkan performa algoritma KNN dalam klasifikasi citra. Penelitian ini diharapkan dapat menjadi referensi dalam pengembangan sistem klasifikasi citra berbasis KNN di berbagai bidang, khususnya pada identifikasi objek kendaraan.

References


M. N. Fakhruzzaman, I. Q. Utami, and Purbandini, Buku Ajar Algoritma Pemrograman. Surabaya: Airlangga University Press, 2023.

D. Anggreani, A. P. Wibawa, P. Purnawansyah, and H. Herman, “Perbandingan Efisiensi Algoritma Sorting dalam Penggunaan Bandwidth,” Ilk. J. Ilm., vol. 12, no. 2, pp. 96–103, 2020, doi: 10.33096/ilkom.v12i2.538.96-103.

D. Rachmawati and A. Candra, “Implementasi Algoritma Greedy Untuk Menyelesaikan,” Saintikom, vol. 12, no. 3, p. `1, 2013.

J. A. Putra, A. Dharmawan, and J. Gondohanindijo, “Sentimen Analisis Aplikasi Digitalent Mobile Menggunakan Naïve Bayes Dan SVM Dengan Ekstraksi Fitur TT-IDF,” INTECOMS J. Inf. Technol. Comput. Sci., vol. 7, no. 4, pp. 1139–1148, 2024, doi: 10.31539/intecoms.v7i4.11110.

J. Iskandar, H. Suhendar, and B. D. Pamungkas, “Analisis Strategi Algoritma Sorting Menggunakan Metode Komparatif pada Bahasa Pemrograman Java dengan Python,” G-Tech J. Teknol. Terap., vol. 8, no. 1, pp. 104–113, 2023, doi: 10.33379/gtech.v8i1.3556.

D. Wijaya and D. Widyaningrum, “Komparasi Metode Algoritma Klasifikasi Pada Analisis Sentimen Komentar Cyberbullying Di Instagram,” J. TEKINKOM, vol. 7, pp. 466–472, 2024, doi: 10.37600/tekinkom.v7i1.1392.

O. D. Palupi, Y. K. Sari, and J. Iskandar, “Comparison of CNN and SVM Algorithms in Sentiment Analysis of Roblox Game Based on Bug, Loading Asset, and Connection Stability Aspects Oktaviana,” G-Tech J. Teknol. Terap., vol. 10, no. 2, pp. 710–719, 2026.

A. Zein and E. S. Eriana, Algoritma dan Struktur Data, vol. 2, no. 1. Pamulang: Unpam Press, 2020.

S. K. Wardani, Y. A. Sari, and Indriati, “Analisis Sentimen menggunakan Metode Naïve Bayes Classifier terhadap Review Produk Perawatan Kulit Wajah menggunakan Seleksi Fitur N-gram dan Document Frequency Thresholding,” J. Pengemb. Teknol. Inf. dan Ilmu Komput., vol. 5, no. 12, pp. 5582–5590, 2021.

D. Riswan, H. E. R. Putra, and R. N. Saputra, “Pengembangan Sistem Rekomendasi Berbasis Kecerdasan Buatan Untuk Meningkatkan Pengalaman Pengguna Di Platform E-Commerce,” J. Komput. Teknol. Inf. dan Sist. Inf., vol. 2, no. 3, pp. 572–580, 2024, doi: 10.62712/juktisi.v2i3.145.

D. Kurniawan, H. D. Purnomo, and A. Iriani, “Analisis Sentimen Komentar Konsumen Industri Jamu di Media Sosial menggunakan Artificial Neural Network dan K-Nearest Neighbor,” J. Sist. Inf. Bisnis, vol. 03, pp. 210–223, 2024, doi: 10.21456/vol14iss3pp210-223.

N. F. Hasan and V. Wati, “Deteksi Cyberbullying pada Facebook Menggunakan Algoritma K-Nearest Neighbor ( Detect Cyberbullying on Facebook Using K-Nearest Neighbor Algorithm ),” J. Smart Syst., vol. 1, no. 1, pp. 35–44, 2021.

B. Setiawan, “A Review of Sentiment Analysis Applications in Indonesia Between 2023-2024,” J. Inf. Eng. Educ. Technol., vol. 8, no. 2, pp. 71–83, 2025, doi: 10.26740/jieet.v8n2.p71-83.

I. Ramdhani, “Perbandingan Metode Data Mining Model Klasifikasi Naive Bayes, Decission Tree Dan K-Nearest Neighbour Dalam Memprediksi Ketepatan Kelulusan Mahasiswa Prodi Teknik Informatika di Universitas Pamulang,” J. Ilmu Komput., vol. VI, no. 01, pp. 88–94, 2023, [Online]. Available: https://jurnal.pranataindonesia.ac.id/index.php/jik/article/view/156%0Ahttps://jurnal.pranataindonesia.ac.id/index.php/jik/article/download/156/105.

Y. Tumanggor, R. Maya, F. Lubis, M. P. Sianturi, and R. G. Purba, “Metode Algoritma Bubble Sort , Algoritma Merge Sort dan Algoritma Quick Sort Dalam Pengujian Perbandingan Proses Penelitian Kualitatif,” JUTISAL (Jurnal Tek. Inform. Komput. Universal), vol. 2, no. 2, pp. 47–58, 2022.


Refbacks

  • There are currently no refbacks.