Melola Discovery

← Melola Discovery

Jurnal SINTA 2

Klasifikasi Sepeda Motor Berdasarkan Karakteristik Konsumen Dengan Metode K-Nearest Neighbour Pada Big Data Menggunakan Hadoop Single Node Cluster

Jurnal Teknologi Informasi dan Ilmu Komputer (JTIIK) · Vol. 4 No. 2 (2017) · pp. 81–86

DOI
10.25126/jtiik.201742242
ISSN
2528-6579, 2355-7699
Published
2017-05-07
Publisher
Fakultas Ilmu Komputer, Universitas Brawijaya
Language
en

Abstract

AbstrakPenelitian ini mengusulkan sebuah klasifikasi terhadap sepeda motor berdasarkan karakteristik konsumen. Sepeda motor memiliki beberapa jenis dan merk yang berbeda sehingga menyebabkan banyaknya pilihan yang dimiliki konsumen. Konsumen akan memilih sepeda motor yang diinginkannya berdasarkan latar belakang yang berbeda. Pada penelitian ini, Konsumen akan dikelompokkan berdasarkan sepeda motor yang dibeli sehingga penjual dapat mengetahui karakteristik konsumen yang membeli suatu jenis atau merk tertentu. Karakterisitik konsumen dapat ditentukan dengan usia, jenis kelamin, pendapatan, status pernikahan dan jumlah anak. Berdasarkan karakteristik tersebut perlu dilakukan pengelompokan untuk menentukan merk sepeda motor. Dalam penelitian ini metode yang digunakan yakni K-Nearest Neighbour (K-NN). K-NN merupakan algoritma yang umum digunakan untuk klasifikasi dan mencari kelas dari data uji dengan mayoritas kelompok yang memiliki jarak terdekat. Dataset yang digunakan dalam penelitian ini yaitu karakteristik konsumen. Uji coba dengan dataset tersebut menghasilkan merk sepeda motor dari data uji yang sudah ditentukan.Kata kunci: k-nearest neighbor, klasifikasi, k-nearest neighbor classification, sepeda motor.AbstractThis research proposed a classification of motorcycle based on customer’s characteristics. Motorcycles have different type and brand so that customers have many choices. Customer will choose motorcycle which they want to be based on different background. In this study, the customer will be grouped by motorcycle were purchased so that the seller can know characteristics of customers who buy certain type or brand. Characteristics of customers can be determined by age, gender, income, status and number of children. Based on these characteristic, we have to group for specifying motorcycle’s type. In this research, the method used K-Nearest Neighbor (K-NN). K-NN algorithm is commonly used for classifying and searching for a group of test data with the majority of the group that has the shortest distance. The dataset used in this project is the final consumer characteristics. Trials with the dataset produce motorcycle brand of test data that has been determined. Keywords: k-nearest neighbor, classification, k-nearest neighbor classification, motorcycle.

Collaboration network of the authors

40 authors · 114 co-authorship links · 3 across different organisations · showing the 40 most connected

Hover or tap a name to highlight its co-authors. Double-click to open the author's page.

  • University of Brawijaya
  • Universitas Amikom Purwokerto
  • Affiliation unknown
  • Different organisations
  • Same organisation
  • Affiliation unknown
  • Thicker line = more joint articles · bigger circle = more articles
Show as table
Co-authorOrganisationJoint articles
Daneswara JauhariUniversity of Brawijaya4
Muhammad FhadliUniversity of Brawijaya4
Arief Andy SoebrotoUniversity of Brawijaya3
Anang HanafiUniversity of Brawijaya3
Sutrisno .Affiliation unknown2
Nurul HidayatUniversity of Brawijaya2
Canny Amerilyse CaesarUniversity of Brawijaya2
Latifah HanumUniversity of Brawijaya2
Fitra Abdurrachman BachtiarUniversity of Brawijaya2
Mochammad Ainun NajibUniversity of Brawijaya2
Handika Agus FauziUniversity of Brawijaya2
Aryeswara SunaryoUniversity of Brawijaya2
Ahmad Afif SupiantoUniversity of Brawijaya1
Randy Cahya WihandikaUniversity of Brawijaya1
Maria Tenika FrestantiyaUniversity of Brawijaya1
Ziya El AriefUniversity of Brawijaya1
Candra DewiUniversity of Brawijaya1
Rina ChristantiUniversity of Brawijaya1
Budi Darma SetiawanUniversity of Brawijaya1
Rekyan Regasari Mardi PutriUniversity of Brawijaya1
Lailil MuflikhahUniversity of Brawijaya1
Muhammad SyafiqUniversity of Brawijaya1
Achmad Jafar Al KadafiUniversity of Brawijaya1
Rizka Husnun ZakiyyahUniversity of Brawijaya1
Wanda Athira LuqyanaUniversity of Brawijaya1
Uswatun HasanahUniversitas Amikom Purwokerto1
Lintang Resita MayangsariUniversity of Brawijaya1
Andhica PratamaUniversity of Brawijaya1
Sutrisno SutrisnoUniversity of Brawijaya1
Maryamah .University of Brawijaya1
Moh. Fadel AsikinUniversity of Brawijaya1
Daisy KurniawatyUniversity of Brawijaya1
Selly Kurnia SariUniversity of Brawijaya1
Agnes Rossi Trisna LestariUniversity of Brawijaya1

Affiliations come from OpenAlex; journal OAI-PMH metadata carries none. Authors without an OpenAlex ID are matched by name, which can merge or split people.

Metadata source: OAI-PMH (metadata jurnal) https://jtiik.ub.ac.id/index.php/jtiik/en/oai, first harvested 27 Okt 2026, last seen 27 Okt 2026.
Original metadata (oai_dc) 
<oai_dc:dc xmlns="http://www.openarchives.org/OAI/2.0/" xmlns:dc="http://purl.org/dc/elements/1.1/" xmlns:oai_dc="http://www.openarchives.org/OAI/2.0/oai_dc/" xmlns:xsi="http://www.w3.org/2001/XMLSchema-instance" xsi:schemaLocation="http://www.openarchives.org/OAI/2.0/oai_dc/  http://www.openarchives.org/OAI/2.0/oai_dc.xsd">
	<dc:title xml:lang="id">Klasifikasi Sepeda Motor Berdasarkan Karakteristik Konsumen Dengan Metode K-Nearest Neighbour Pada Big Data Menggunakan Hadoop Single Node Cluster</dc:title>
	<dc:creator xml:lang="en">Putra, Nanda Agung</dc:creator>
	<dc:creator xml:lang="en">Putri, Ardisa Tamara</dc:creator>
	<dc:creator xml:lang="en">Prabowo, Dhimas Anjar</dc:creator>
	<dc:creator xml:lang="en">Surtiningsih, Listiya</dc:creator>
	<dc:creator xml:lang="en">Arniantya, Raissa</dc:creator>
	<dc:creator xml:lang="en">Cholissodin, Imam</dc:creator>
	<dc:description xml:lang="id">AbstrakPenelitian ini mengusulkan sebuah klasifikasi terhadap sepeda motor berdasarkan karakteristik konsumen. Sepeda motor memiliki beberapa jenis dan merk yang berbeda sehingga menyebabkan banyaknya pilihan yang dimiliki konsumen. Konsumen akan memilih sepeda motor yang diinginkannya berdasarkan latar belakang yang berbeda. Pada penelitian ini, Konsumen akan dikelompokkan berdasarkan sepeda motor yang dibeli sehingga penjual dapat mengetahui karakteristik konsumen yang membeli suatu jenis atau merk tertentu. Karakterisitik konsumen dapat ditentukan dengan usia, jenis kelamin, pendapatan, status pernikahan dan jumlah anak. Berdasarkan karakteristik tersebut perlu dilakukan pengelompokan untuk menentukan merk sepeda motor. Dalam penelitian ini metode yang digunakan yakni K-Nearest Neighbour (K-NN). K-NN merupakan algoritma yang umum digunakan untuk klasifikasi dan mencari kelas dari data uji dengan mayoritas kelompok yang memiliki jarak terdekat. Dataset yang digunakan dalam penelitian ini yaitu karakteristik konsumen. Uji coba dengan dataset tersebut menghasilkan merk sepeda motor dari data uji yang sudah ditentukan.Kata kunci: k-nearest neighbor, klasifikasi, k-nearest neighbor classification, sepeda motor.AbstractThis research proposed a classification of motorcycle based on customer’s characteristics. Motorcycles have different type and brand so that customers have many choices. Customer will choose motorcycle which they want to be based on different background. In this study, the customer will be grouped by motorcycle were purchased so that the seller can know characteristics of customers who buy certain type or brand. Characteristics of customers can be determined by age, gender, income, status and number of children. Based on these characteristic, we have to group for specifying motorcycle’s type. In this research, the method used K-Nearest Neighbor (K-NN). K-NN algorithm is commonly used for classifying and searching for a group of test data with the majority of the group that has the shortest distance. The dataset used in this project is the final consumer characteristics. Trials with the dataset produce motorcycle brand of test data that has been determined. Keywords: k-nearest neighbor, classification, k-nearest neighbor classification, motorcycle.</dc:description>
	<dc:publisher xml:lang="en">Fakultas Ilmu Komputer, Universitas Brawijaya</dc:publisher>
	<dc:date>2017-05-07</dc:date>
	<dc:type>info:eu-repo/semantics/article</dc:type>
	<dc:type>info:eu-repo/semantics/publishedVersion</dc:type>
	<dc:format>application/pdf</dc:format>
	<dc:identifier>https://jtiik.ub.ac.id/index.php/jtiik/article/view/242</dc:identifier>
	<dc:identifier>10.25126/jtiik.201742242</dc:identifier>
	<dc:source xml:lang="id">Jurnal Teknologi Informasi dan Ilmu Komputer; Vol 4 No 2: Juni 2017; 81-86</dc:source>
	<dc:source xml:lang="en">Jurnal Teknologi Informasi dan Ilmu Komputer; Vol. 4 No. 2: Juni 2017; 81-86</dc:source>
	<dc:source>2528-6579</dc:source>
	<dc:source>2355-7699</dc:source>
	<dc:source>10.25126/jtiik.201742</dc:source>
	<dc:language>en</dc:language>
	<dc:relation>https://jtiik.ub.ac.id/index.php/jtiik/article/view/242/pdf</dc:relation>
	<dc:rights xml:lang="en">Copyright (c) 2017 Jurnal Teknologi Informasi dan Ilmu Komputer</dc:rights>
</oai_dc:dc>