<![CDATA[Abstrac - For the classification of the best car is not easy, because the choice of one another have the advantages and disadvantages of each. This paper discusses the decision to choose the best car alternative. During this time a large probability of selection is determined more by intuition and subjectivity of decision-makers, who tend to be biased considering human cognitive keterbatsan. To solve this problem the author using K Nearest Neighbor (KNN) as evidenced by weka tool, and diaplikasikasikan using matlab. Results from this experiment is that the amount of data as much as 14 have accuracy levels of 78.57% and RMSE of 0.23, while the amount of data as much as 1728 has reached 95.78% accuracy level, RMSE 0.19 and ROC area 0.99. Shows the greater the amount of data the higher the level accuraynya.Keywords: KNN, RMSE, ROC, Matlab Abstraksi - Untuk klasifikasi mobil terbaik tidak mudah, karena pilihan yang lain memiliki kelebihan dan kekurangan masing-masing. Makalah ini membahas keputusan untuk memilih alternatif mobil terbaik. Selama ini kemungkinan besar pilihan lebih banyak ditentukan oleh intuisi dan subyektifitas dari pengambil keputusan, yang cenderung bias mempertimbangkan keterbatsan kognitif manusia. Untuk mengatasi masalah ini penulis menggunakan K Tetangga terdekat (KNN) yang dibuktikan dengan alat weka, dan diaplikasikasikan menggunakan matlab. Hasil dari penelitian ini adalah bahwa jumlah data sebanyak 14 memiliki tingkat akurasi 78,57% dan RMSE dari 0,23, sedangkan jumlah data sebanyak 1728 telah mencapai 95,78% tingkat akurasi, RMSE 0,19 dan ROC daerah 0.99. Menunjukkan semakin besar jumlah data semakin tinggi accuraynya tingkat. Kata kunci: KNN, RMSE, ROC, Matlab]]>
Copyrights © 2015
