%L universitasamikomyogyakarta31677
%X Penelitian ini membahas penerapan metode K-Nearest Neighbor (K-NN) untuk
melakukan klasifikasi terhadap struktur sel bakteri Escherichia coli (E. coli)
berdasarkan dataset yang diperoleh dari University of California, Irvine (UCI)
Machine Learning Repository. Tujuan utama dari penelitian ini adalah untuk
mengidentifikasi dan mengklasifikasikan jenis struktur sel E. coli berdasarkan
sejumlah atribut biologis yang telah tersedia dalam dataset. Metode K-NN dipilih
karena kesederhanaannya dalam implementasi serta kemampuannya memberikan
hasil klasifikasi yang cukup baik pada data dengan karakteristik yang tidak linier.
Tahapan penelitian meliputi pengumpulan data, pra-pemrosesan data (normalisasi
dan pembagian data), penerapan algoritma K-NN dengan variasi nilai k, serta
evaluasi kinerja model menggunakan metrik akurasi, presisi, recall, dan F1-score.
Berdasarkan hasil pengujian, metode K-NN menunjukkan tingkat akurasi yang
cukup tinggi dalam mengklasifikasikan struktur sel E. coli, dengan nilai akurasi
terbaik diperoleh pada k tertentu yang menghasilkan keseimbangan optimal antara
bias dan variansi. Hasil penelitian ini menunjukkan bahwa metode K-NN dapat
digunakan secara efektif dalam menganalisis dan mengklasifikasikan data biologis,
khususnya dalam konteks struktur sel E. coli. Temuan ini diharapkan dapat menjadi
acuan dalam pengembangan sistem klasifikasi berbasis machine learning di bidang
biologi mikroorganisme.
%K K-Nearest Neighbor, Klasifikasi, E. coli, Dataset UCI, Machine
Learning, Classification
%A M. Gde Ary Setiawan
%T PENERAPAN METODE K-NEAREST NEIGHBOR UNTUK
KLASIFIKASI STRUKTUR SEL E. COLI BERDASARKAN
DATASET UCI
%I Universitas AMIKOM Yogyakarta
%D 2025