Implementasi Algoritma K-Nearest Neighbor untuk mengklasifikasi Bintang Variabel

ABSTRAK Penelitian ini menggunakan data Bintang Variabel yang berjumlah 187.662 data yang diambil dari ASAS-SN Variabel Star Database yang diklasifikasi menggunakan algoritma machine learning. Dilakukan normalisasi data Z-score dan proses pre-processing. Terdapat 9 atribut yaitu raj2000, dej2000, mean_vmag, amplitude, period, phot_g_mean_mag, phot_pb_mean_mag, phot_pb_mean_mag, phot_rb_mean_mag, dan parallax. Dan 4 Variable type yang digunakan terdiri dari Cataclysmic Variable, Eclipsing Variable, Pulsating Variable, dan Rotational Variable. Algoritma K-Nearest Neighbor merupakan algoritma supervised learning pada machine learning adalah sebuah metode untuk mengklasifikasi terhadap objek berdasarkan data pembelajaran yang jaraknya paling dekat dengan objek tersebut. Jarak pada objek dihitung dengan metode perhitungan jarak manhattan, euclidean¸dan minkowski. Penelitian ini mencakup pengukuran performa (akurasi, presisi, recall, dan f-measure). Klasifikasi menghasilkan nilai akurasi rata dari masing-masing perhitungan manhattan 82.65%, euclidean 82.66% dan minkowski 82.66%.

Kata Kunci: Bintang Variabel, K-Nearest Neighbor, Z-Score, ASAS-SN