Dosen yang nerangin nya SHIT banget! jadinya gw cari deh sendiri , eh ketemu dan ngerti......
ok ini penjelasan nya
K-Nearest Neighbor
Contohnya :
Misalkan kita memiliki data leasing motor nih
Status Perkawinan | Jumlah Tanggungan | Pendidikan Terakhir | Proses Kredit Bermasalah? |
Menikah | Tidak ada | SLTA | Ya |
Menikah | > 3 | SLTA | Tidak |
Terus tiap tiap atribut punya bobot masing masing.
atribut | bobot |
Status perkawinan | 0.5 |
Jumlah tanggungan | 1 |
Pendidikan terakhir | 0.5 |
Terus kita punya nilai kedekatan dan bobot
atribut | Nilai Atribut 1 | Nilai Atribut 2 | Bobot |
Status perkawinan | Menikah | Menikah | 0 |
Menikah | Belum Menikah | 1 | |
Belum Menikah | Menikah | 1 | |
Belum Menikah | Belum Menikah | 0 | |
atribut | Nilai Atribut 1 | Nilai Atribut 2 | Bobot |
Jumlah Tanggungan | >3 | Tidak ada | 1 |
Tidak ada | Tidak ada | 0 | |
>3 | >3 | 0 | |
Tidak ada | >3 | 1 | |
atribut | Nilai Atribut 1 | Nilai Atribut 2 | Bobot |
Pendidikan Terkakhir | SLTA | SLTA | 0 |
SLTA | SLTP | 0 | |
SLTP | SLTA | 0 | |
SLTP | SLTP | 0 | |
Terus datang deh data baru yang mau ngredit motor
Status Perkawinan | Jumlah Tanggungan | Pendidikan Terakhir | Proses Kredit Bermaalah?? |
Belum Menikah | Tidak ada | SLTP | ?? |
TERUS GIMANA CARA MEMPREDIKSI BAHWA DATA TERSEBUT BERMASALAH?
Rumusnya Gampang
Prediksi = (An * Bn) + (An+1 * Bn+1) + ........... (An+k * Bn+k)
( Bn + Bn+1 + ......... + Bn+k )
A = Bobot ke - n
B = Kedekatan Bobot ke - n
n = jumlah atribut
Karena kita hanya memiliki 3 atribut (status perkawinan, jml tanggungan, penddidikan terakhir) maka n nya 3
Kita lihat atrbiut ke 1.
Status perkawinan , lihat pada data yang akan diprediksi. Atribut status perkawinan nya belum menikah, bandingkan dengan data yang ada, data pertama. Menikah
Data
Status Perkawinan | Jumlah Tanggungan | Pendidikan Terakhir | Proses Kredit Bermasalah? |
Menikah | Tidak ada | SLTA | Ya |
Menikah | > 3 | SLTA | Tidak |
Yang akan diprediksi
Status Perkawinan | Jumlah Tanggungan | Pendidikan Terakhir | Proses Kredit Bermaalah?? |
Belum Menikah | Tidak ada | SLTP | ?? |
Karena kita mencari bobot status perkawinan , maka bobotnya 0.5
atribut | bobot |
Status perkawinan | 0.5 |
Jumlah tanggungan | 1 |
Pendidikan terakhir | 0.5 |
Bandingkan menikah dan belum menikah di table kedekatan bobot
atribut | Nilai Atribut 1 | Nilai Atribut 2 | Bobot |
Status perkawinan | Menikah | Menikah | 0 |
Menikah | Belum Menikah | 0.5 | |
Belum Menikah | Menikah | 1 | |
Belum Menikah | Belum Menikah | 0 | |
Kita dapat kedekatan bobot nya 0.5,
Maka A ke 1 adalah 0.5
Dan B ke 1 adalah 0.5
Prediksi = (0.5 * 0.5) + (A2 * B2) + ........... (An+k * Bn+k)
( 0.5 + Bn+1 + ......... + Bn+k )
Cari terus menerus atribut tersebut sehingga kita dapat rumus berikut
(0.5 * 0.5) + (1 * 1) + (0*0.5)
( 0.5 + 1 + 0.5)
= 0.25 + 0 + 0 = 1.25 : 2 = 1/8 = 0.125
2
PERBANDINGAN DENGAN DATA 2
(0.5 * 0.5) + (0 * 1) + (0*0.5)
( 0.5 + 1 + 0.5)
= 0.25 + 1 + 0 = 1/4 : 2 = 1/8 = 0.625
2
Data
Status Perkawinan | Jumlah Tanggungan | Pendidikan Terakhir | Proses Kredit Bermasalah? | perhitungan |
Menikah | Tidak ada | SLTA | Ya | 0.125 |
Menikah | > 3 | SLTA | Tidak | 0.625 |
Yang akan diprediksi
Status Perkawinan | Jumlah Tanggungan | Pendidikan Terakhir | Proses Kredit Bermaalah?? |
Belum Menikah | Tidak ada | SLTP | ?? |
Data yang akan diprediksi dekat dengan data ke 2 (0.625) maka dapat diprediksi bahwa data tersebut tidak akan bermasalah
