Analisis Penerapan Model k-Nearest Neighbors dalam Klasifikasi Kualitas Red Wine
Keywords:
k-nearest neighbors, kualitas wine, data miningAbstract
Penelitian ini bertujuan mengatasi keterbatasan penilaian kualitas wine konvensional yang sangat bergantung pada uji organoleptik subjektif dan memakan waktu. Metode yang digunakan berupa penelitian terapan dengan pendekatan eksperimen, memanfaatkan algoritma k-Nearest Neighbors (k-NN) dengan teknik normalisasi Z-transformation dan Stratified Sampling. Data diperoleh dari dataset fisikokimia red wine dari repositori publik UCI Machine Learning. Hasil penelitian menunjukkan sistem mampu mengklasifikasikan kualitas wine dengan akurasi terukur sebesar 56.99 %, yang membuktikan bahwa pendekatan komputasi dapat menjadi alternatif objektif dalam penentuan kualitas. Kebaruan penelitian terletak pada integrasi metode normalisasi Z-transformation dengan konfigurasi pembagian data stratified 70:30 untuk meminimalkan bias pada dataset yang tidak seimbang
References
Agrawal, G. (2022). A Study on Wine Quality Prediction using Data Mining Techniques: A Modern Review. International Journal of Computer Applications, 184(15), 12–19. https://doi.org/10.5120/ijca2022922153
Dahal, K. R. (2021). Wine Quality Prediction Using Machine Learning Techniques. International Journal of Computer Science and Information Technology (IJCSIT), 13(2).
Dua, D., & Graff, C. (2021). UCI Machine Learning Repository: Wine Quality Dataset. University of California, Irvine, School of Information and Computer Sciences. https://archive.ics.uci.edu/ml/datasets/wine+quality
Harti, T. ., & Purwinarto, A. (2023). Implementasi Algoritma k-Nearest Neighbor (k-NN) pada Klasifikasi Kualitas Wine dengan Seleksi Fitur. Jurnal Informatika Dan Teknik Elektro (JITE), 5(2), 112–119.
Kumar, A., & Nair, A. (2020). Comparative Analysis of Machine Learning Algorithms for Wine Quality Prediction. International Journal of Intelligent Systems and Applications (IJISA), 12(3), 25–36. https://doi.org/10.5815/ijisa.2020.03.03
Mittal, P. (2024). A Comprehensive Survey of Machine Learning-Based Classification Models for Specialized Datasets. Journal of Supercomputing, 57(9). https://doi.org/10.1007/s10462-024-10877-1
Prasad, S. (2024). Improving k-NN Accuracy for Chemical Datasets using Z-score Normalization. International Journal of Data Science and Analytics, 18(4), 441–450. https://doi.org/10.1007/s41060-023-00441-2
Reyes, J., & Cruz, J. C. . (2025). Machine Learning Applications in Food Quality Assessment: A Comprehensive Review. Engineering Proceedings, 92(1). https://doi.org/10.3390/engproc2025092085
Downloads
Published
Issue
Section
License
Copyright (c) 2025 Fakhrun Nisa, Hasbi Firmansyah
This work is licensed under a Creative Commons Attribution-ShareAlike 4.0 International License.
