Source Code Aplikasi K-Nearest Neighbor (KNN)

Source code aplikasi data mining klasifikasi metode k-nearest neighbor (knn) – Aplikasi K-Nearest Neighbor (K-NN) adalah suatu aplikasi yang menggunakan metode algoritma supervised, dimana hasil dari query instance yang baru diklasifikasikan berdasarkan mayoritas dari kategori pada k-tetangga terdekat (KNN). Dengan k merupakan banyaknya tetangga terdekat.

Tujuan dari aplikasi algoritma k-nearest neighbor adalah untuk melakukan klasifikasi obyek baru berdasarkan atribut dan sample-sample dari training data. Algoritma k-Nearest Neighbor menggunakan Neighborhood Classification sebagai nilai prediksi dari nilai instance yang baru.

Classifier tidak menggunakan model apapun untuk dicocokkan dan hanya berdasarkan pada memori. Diberikan titik query akan ditemukan sejumlah k obyek atau (titik training) yang paling dekat dengan titik query. Klasifikasi menggunakan voting terbanyak diantara klasifikasi dari k obyek. Algoritma Aplikasi K-NN menggunakan klasifikasi ketetanggaan sebagai nilai prediksi dari query instance yang baru.

Source Code Aplikasi Klasifikasi Data Mining dengan metode KNN (K Nearest Neighbor) sangatlah sederhana. Aplikasi klasifikasi data mining metode knn bekerja berdasarkan jarak terpendek dari query instance ke training sample untuk menentukan obyek terdekatnya. Training sample diproyeksikan ke ruang berdimensi banyak, dimana masing-masing dimensi merepresentasikan fitur dari data. Ruang ini dibagi menjadi bagian-bagian berdasarkan klasifikasi training sample. Sebuah titik pada ruang ini ditandai kelas c jika kelas c merupakan klasifikasi yang paling banyak ditemui pada k tetangga terdekat dari titik tersebut. Teknik pencarian k nearest neighbor yang umum dilakukan dengan menggunakan formula jarak Euclidean (Euclidean Distance).

Algoritma Klasifikasi metode K-Nearest Neighbors (KNN)

1. Tentukan k bilangan bulat positif berdasarkan ketersediaan data pembelajaran.
2. Pilih tetangga terdekat dari data baru sebanyak k.
3. Tentukan klasifikasi paling umum pada langkah (2), dengan menggunakan frekuensi terbanyak.
4. Keluaran klasifikasi dari data sampel baru.

Komponen source code aplikasi data mining klasifikasi metode k-nearest neighbor (knn)

• Login
  membatasi user yang bisa menggunakan aplikasi, user yang tidak login hanya bisa melakukan konsultasi saja, tidak bisa mengolah data.
• Atribut
  mengatur atribut apa saja yang ada pada data, atribut terakhir otomatis dijadikan klasifikasi.
• Nilai Atribut
  mengatur nilai atribut apa saja yang ada pada data. Setiap atribut kategorikal bisa memiliki lebih dari 1 nilai.
• Dataset
  mengolah dataset (data training). Dataset bisa ditambah, ubah, hapus atau diimport dari file csv.
• Perhitungan
  melakukan perhitungan dengan menginput nilai atribut yang ingin dicari klasifikasinya. Perhitungan juga bisa menampilkan pohon keputusan langsung.
• Password
  mengubah password user yang sedang login pada aplikasi klasifikasi data mining metode knn ini.

Secara teknik source code aplikasi data mining menggunakan algoritma k-nearest neighbor (knn) ini dirancang dan dibuat dengan menggunakan bahasa pemrograman PHP (berbasis web). Kami menggunakan EzSQL sebagai library databasenya. EzSQL ini menggunakan MySQLi sebagai database manajemen sistemnya. Sehingga proses perancangan dan pembuatan aplikasi k nearest neighbor (knn) ini dapat dilakukan dengan cepat dan mudah.

Dari sisi tampilan aplikasi data mining k nearest neighbor (knn) ini menggunakan template bootswatch v3.3.7. Bootswatch merupakan sebuah template yang menggunakan framework css bootstrap yang tentunya menjadikan aplikasi ini dapat diakses melalui berbagai device secara responsive.

Dan berikut spesifikasi dari source code aplikasi data mining klasifikasi metode k nearest neighbor (knn)

• PHP Version : All PHP version which support MySQLi
• DBMS : MySQL (MariaDB)
• EzSQL Database Library
• Framework CSS Bootstrap 3
• HTML 5 & CSS 3

Berikut desain tampilan dari aplikasi klasifikasi data mining dengan metode k nearest neighbor (knn)

Untuk mencoba demo source code aplikasi klasifikasi data mining dengan menggunakan metode k nearest neighbor (knn) berbasis web, silakan akses link demo dibawah ini :

DEMO BELI