Analisis Klasifikasi Spesies Bunga Iris Menggunakan Algoritma K-Nearest Neighbors
DOI:
https://doi.org/10.29407/80279r27Abstract
Penelitian ini bertujuan untuk mengklasifikasikan spesies bunga Iris menggunakan pendekatan K-Nearest Neighbors (KNN). Topik ini menarik karena adanya penerapan teknik mesin learning dalam botani, serta juga karena dataset Iris adalah dataset yang memiliki struktur jelas dan seringkali digunakan sebagai benchmark dalam penelitian. Dalam pembuatan model ini, saya melakukan eksplorasi data dan visualisasi untuk mendapatkan understanding, pemisahan data dengan teknik pemisahan data train-test, dan pelatihan serta evaluasi model KNN dengan beragam nilai k. Berdasarkan analisis yang telah kami lakukan, pada model ini pembelajaran dengan k=11 memperoleh akurasi 96,67% pada klasifikasi tiga jenis spesies bunga Iris. Evaluasi model dengan akurasi, precision, recall, dan F1-score menunjukkan hasil yang konsisten sangat baik. Temuan ini menegaskan bahwa algoritma KNN diimplementasikan pada dataset sederhana secara efektif digunakan untuk klasifikasi, dan masih tetap bisa digunakan pada tipe data lainnya untuk aplikasi lain.
Keywords:
Klasifikasi, K-Nearest Neighbors, Iris##plugins.themes.default.displayStats.downloads##
References
[1] H. Jurnal, Z. Rahman, Z. Fatah, and D. Prasetyo, “JURNAL ILMIAH MULTIDISIPLIN ILMU KLASIFIKASI SPESIES BUNGA IRIS MENGGUNAKAN ALGORITMA KLASIFIKASI KNN DI RAPIDMINER,” pp. 60–66, doi: 10.69714/0syd5n74.
[2] H. Jurnal, Z. Rahman, Z. Fatah, and D. Prasetyo, “JURNAL ILMIAH MULTIDISIPLIN ILMU KLASIFIKASI SPESIES BUNGA IRIS MENGGUNAKAN ALGORITMA KLASIFIKASI KNN DI RAPIDMINER,” pp. 60–66, doi: 10.69714/0syd5n74.
[3] N. T. Ujianto, Gunawan, H. Fadillah, A. P. Fanti, A. D. Saputra, and I. G. Ramadhan, “Penerapan algoritma K-Nearest Neighbors (KNN) untuk klasifikasi citra medis,” IT-Explore: Jurnal Penerapan Teknologi Informasi dan Komunikasi, vol. 4, no. 1, pp. 33–43, Feb. 2025, doi: 10.24246/itexplore.v4i1.2025.pp33-43.
[4] A. Devi Mutiara Khoirun Nisa, N. Lailatus Sa, L. Fitriyani, A. Nuzula Fitranti, and A. Setiawan, “PENERAPAN MACHINE LEARNING DENGAN K-NEAREST NEIGHBORS (KNN) UNTUK IDENTIFIKASI JENIS BUNGA BERDASARKAN KARAKTERISTIK FISIK.”
[5] “10. Penerapan Metode Support Vector Machine Dalam Klasifikasi Bunga Iris.”.
[6] A. Syarif and A. Ramadhanu, “PENGGUNAAN PRINCIPAL COMPONENT ANALYSIS (PCA) DAN K-NEAREST NEIGHBORS (KNN) DALAM KLASIFIKASI SAYURAN MENTIMUN, PARE, DAN TERONG,” 2025. [Online]. Available: http://jurnal.goretanpena.com/index.php/JSSR
[7] E. M. Geldiev, N. V. Nenkov, and M. M. Petrova, “EXERCISE OF MACHINE LEARNING USING SOME PYTHON TOOLS AND TECHNIQUES,” CBU International Conference Proceedings, vol. 6, pp. 1062–1070, Sep. 2018, doi: 10.12955/cbup.v6.1295.
[8] J. Teknologi et al., “PENGENALAN WAJAH MENGGUNAKAN ALGORITMA K-NEAREST NEIGHBORS DAN TEKNIK PENGGABUNGAN CITRA,” 2024. [Online]. Available: https://journalpedia.com/1/index.php/jtpi
[9] M. Shelin Sahira, F. Dessela Putri, A. Ristyawan, and E. Daniati, “Prosiding SEMNAS INOTEK (Seminar Nasional Inovasi Teknologi) 502 Penggunaan Algoritma K-Nearest Neighbor Untuk Klasifikasi Data Diabetes Pada Wanita,” Online, 2024.
[10] E. Priyanto et al., “Implementasi Metode K-Nearest Neighbor Untuk Memprediksi Kondisi Cuaca Penulis Korespondensi,” Online, 2024.
[11] O. D. Kurnia et al., “Analisis Perbandingan Algoritma Naïve Bayes dengan K-Nearest Neighbor (KNN) Pada Dataset Mobile Price Classification Penulis Korespondensi: Prosiding SEMNAS INOTEK (Seminar Nasional Inovasi Teknologi) 1174,” Online, 2024.
[12] M. Reza Muzaki, I. Melinda Nurfajriana, F. Putri Anugerah Ilahi, A. Ristyawan, and E. Daniati, “Implementasi Data Mining dengan Algoritma K-Nearest Neighbors untuk Memprediksi Risiko Diabetes Menggunakan Chatbot Telegram,” Online, 2024.
[13] D. Fitriono, S. A. Wardani, M. Nizar, B. Al Varuq, A. Ristyawan, and E. Daniati, “Perbandingan Metode Algoritma Decission Tree dan K-Nearest Neighbors untuk Memprediksi Kualitas Air yang dapat dikonsumsi,” Online, 2024.
[14] M. Shelin Sahira, F. Dessela Putri, A. Ristyawan, and E. Daniati, “Prosiding SEMNAS INOTEK (Seminar Nasional Inovasi Teknologi) 502 Penggunaan Algoritma K-Nearest Neighbor Untuk Klasifikasi Data Diabetes Pada Wanita,” Online, 2024.
[15] “10. Penerapan Metode Support Vector Machine Dalam Klasifikasi Bunga Iris.”.
[16] M. Reza Muzaki, I. Melinda Nurfajriana, F. Putri Anugerah Ilahi, A. Ristyawan, and E. Daniati, “Implementasi Data Mining dengan Algoritma K-Nearest Neighbors untuk Memprediksi Risiko Diabetes Menggunakan Chatbot Telegram,” Online, 2024.
Downloads
Published
Issue
Section
License
Copyright (c) 2025 MOH. HASAN EFENDI, Wildan Septian Pratama, Erna Daniati
This work is licensed under a Creative Commons Attribution-ShareAlike 4.0 International License.
Authors who publish with this journal agree to the following terms:
- Copyright on any article is retained by the author(s).
- The author grants the journal, right of first publication with the work simultaneously licensed under a Creative Commons Attribution License that allows others to share the work with an acknowledgment of the work’s authorship and initial publication in this journal.
- Authors are able to enter into separate, additional contractual arrangements for the non-exclusive distribution of the journal’s published version of the work (e.g., post it to an institutional repository or publish it in a book), with an acknowledgment of its initial publication in this journal.
- Authors are permitted and encouraged to post their work online (e.g., in institutional repositories or on their website) prior to and during the submission process, as it can lead to productive exchanges, as well as earlier and greater citation of published work.
- The article and any associated published material is distributed under the Creative Commons Attribution-ShareAlike 4.0 International License
