KLASIFIKASI TIPE KACA MENGGUNAKAN METODE K-NEAREST NEIGHBOR

Authors

  • Muhammad Azwar Al Ayyub Universitas Asahan
  • Weny Nur Afdilla Simangunsong Universitas Asahan
  • Dini Farhatun Universitas Asahan
  • Emi Dea Universitas Asahan
  • Selfina Agustin Universitas Asahan
  • Zulfa Ar Rahman Universitas Asahan
  • Muhammad Ridho Universitas Asahan

DOI:

https://doi.org/10.54314/jssr.v9i1.5745

Abstract

Abstract: Glass is a material that is widely used in various fields, such as construction, the automotive industry, and household appliances. Each type of glass has different characteristics based on its chemical composition and production process. Problems arise when the process of identifying glass types is still done manually, which is time-consuming, costly, and prone to error. This study aims to apply the K-Nearest Neighbor (K-NN) method in classifying glass types based on their chemical content attributes. The data in this study was sourced from Kaggle, namely the Glass Identification Dataset. The data used consisted of several chemical features, such as Na, Mg, Al, Si, K, Ca, Ba, and Fe, with seven categories of glass classes. The results showed that the K-NN method was able to classify glass types well and could be an effective solution to assist in the automatic glass identification process. Keyword: Classification, K-Nearest Neighbor, Data Mining, Types of Glass. Abstrak: Kaca merupakan material yang banyak digunakan dalam berbagai bidang, seperti konstruksi, industri otomotif, dan peralatan rumah tangga. Setiap jenis kaca memiliki karakteristik yang berbeda berdasarkan komposisi kimia dan proses produksinya. Permasalahan muncul ketika proses identifikasi jenis kaca masih dilakukan secara manual, sehingga membutuhkan waktu, biaya, dan berpotensi menimbulkan kesalahan. Penelitian ini bertujuan untuk menerapkan metode K-Nearest Neighbor (K-NN) dalam mengklasifikasikan jenis kaca berdasarkan atribut kandungan kimianya. Data dalam penelitian ini bersumber dari Kaggle, yaitu Glass Identification Dataset. Data yang digunakan terdiri dari beberapa fitur kimia, seperti Na, Mg, Al, Si, K, Ca, Ba, dan Fe, dengan tujuh kategori kelas kaca. Hasil penelitian menunjukkan bahwa metode KNN mampu mengklasifikasikan jenis kaca dengan baik dan dapat menjadi solusi yang efektif untuk membantu proses identifikasi kaca secara otomatis. Kata kunci: Klasifikasi, K-Nearest Neighbor, Data Mining, Jenis Kaca.

Downloads

Download data is not yet available.

References

Amaliah, S., & Nusrang, M. (2022). Penerapan Metode Random Forest Untuk Klasifikasi Varian Minuman Kopi Di Kedai Kopi Konijiwa Bantaeng. 4(2), 121–127. https://doi.org/10.35580/variansiunm31

Ardiyansyah, D., & Oktafiani, N. (2024). PERBANDINGAN METODE PENGUKURAN JARAK PADA K-NEAREST NEIGHBOUR DALAM KLASIFIKASI DATA TEKS CARDIOVASKULAR. Hal. 116 Journal of Information Systems Management and Digital Business (JISMDB), 1(2).

Argina, A. M. (2020). Indonesian Journal of Data and Science Penerapan Metode Klasifikasi K-Nearest Neigbor pada Dataset Penderita Penyakit Diabetes. 1(2), 29–33.

Baharuddin, M. M., Azis, H., & Hasanuddin, T. (2019). ANALISIS PERFORMA METODE K-NEAREST NEIGHBOR UNTUK IDENTIFIKASI JENIS KACA. ILKOM Jurnal Ilmiah, 11(3), 269

https://doi.org/10.33096/ilkom.v11i3.489.269-274

Malik Namus Akbar, F. (n.d.). Metode KNN (K-Nearest Neighbor) untuk Menentukan Kualitas Air. 18(1).

Putri, K. A., & Ramadhanu, A. (2025). Implementasi Algoritma K-Means Pada Pengolahan Citra Untuk Deteksi Bentuk Dan Material Gelas. Jurnal Teknologi Dan Sistem Informasi Bisnis-JTEKSIS, 7(4), 546. https://doi.org/10.47233/jteksis.v7i4.2267

Tristanti, N., Romadloni, N. T., & Sya’bani, N. H. (2025). Klasifikasi Citra Buah Menggunakan Algoritma K-Nearest Neighbour (KNN) dan Metode Euclidean Distance. RIGGS: Journal of Artificial Intelligence and Digital Business, 4(3), 8306–8312. https://doi.org/10.31004/riggs.v4i3.3243

Downloads

Published

2026-02-07

How to Cite

KLASIFIKASI TIPE KACA MENGGUNAKAN METODE K-NEAREST NEIGHBOR. (2026). JOURNAL OF SCIENCE AND SOCIAL RESEARCH, 9(1), 146-155. https://doi.org/10.54314/jssr.v9i1.5745

Most read articles by the same author(s)

<< < 156 157 158 159 160 161 162 163 164 165 > >>