PERBANDINGAN AKURASI KLASIFIKASI K-NEAREST NEIGHBOUR DAN WEIGHT K-NEAREST NEIGHBOUR TERHADAP IKAN CHANNA (GABUS HIAS) MENGGUNAKAN PENDEKATAN ALGORITMA GRAY-LEVEL-CO-OCCURANCE-MATRIX

ABSTRAKS Ikan gabus hias merupakan salah satu jenis ikan yang banyak diminati di lingkungan masyarakan sebagai ikan hias. Ikan gabus hias memiliki jenis dan warna bervariasi, setiap variasi memiliki penamaan tersendiri dan menjadi nilai jual di kalangan pecinta ikan gabus hias. Namun masih banyak yang tidak mengetahui secara pasti jenis ikan gabus hias karena warna nya yang bervarian dan terkesan mirip. Oleh karena hal tersebut diperlukan sebuah sistem yang dapat mengklasifikasikan jenis ikan gabus hias secara sistem dengan tetap memperhatikan tingkat akurasi klasifikasinya. Algoritma yang sering digunakan untuk proses klasifikasi diantaranya adalah KNN, namun dalam prosesnya KNN tidak memperhatikan bobot dari setiap data yang diklasifikasi. KNN hanya melihat jumlah kelas terbanyak yang menjadi patokan label dari hasil klasifikasi. Permasalah tersebut dapat diatasi dengan menggunakan algoritma Weight-KNN untuk proses klasifikasi. Weight-KNN melakukan klasifikasi berdasarkan tertangga terdekat namun tetap memperhatikan bobot dari setiap data. Berdasarkan hal tersebut dalam penelitian ini akan berfokus untuk membandingkan hasil klasifikasi antara algoritma KNN dan Weight-KNN pada ikan gabus hias. Hasil yang diperoleh menyatakan bahwa algoritma Weight-KNN memiliki tingkat akurasi yang lebih tinggi dibanding KNN, yaitu 83,6% untuk W- KNN sementara KNN hanya 80,6%.

Kata Kunci: Gabus, KNN, Weight-KNN, dan Klasifikasi