Perbandingan Euclidean dan Manhattan Pada Algoritma K-NN Dalam Menentukan Status Gizi Balita

Abstract

Algoritma K-NN merupakan salah satu metode yang sering digunakan dalam mengklasifikasi status gizi pada balita. Namun, keefektifan algoritma ini sangat tergantung pada metode mengukur jarak antara data dengan data terdekatnya atau biasa disebut data metrik. Permasalahan penelitian ini adalah membandingkan kinerja Euclidean distance dengan Manhattan distance dalam mengklasifikasi status gizi dengan menggunakan teknik evaluasi Confussion matrix didapatkan bahwa Manhattan distance mendapatkan nilai accuracy lebih baik yaitu 87,5% dibandingkan Euclidean distance yaitu 82,5%. Disisi lain nilai Precision, Recall, dan F1-Score dari Manhattan distance masih memberikan nilai yang lebih unggul/ besar. Melalui penelitian ini, peneliti merekomendasikan penelitian selanjutnya berupa pengaruh banyaknya dataset, variasi nilai K, menggunakan metode metrik yang lain, dan menerapkan teknik tertentu selain K-NN dalam untuk menentukan status gizi.

Kata kunci; K-NN, Euclidean, Manhattan, Status Gizi Balita