Kombinasi Algorithma K-NN dan Manhattan Distance untuk Menentukan Pemenang Lelang

Abstract

Penentuan pemenang lelang adalah masalah non linier (yang banyak dipengaruhi oleh faktor alam dan lingkungan ) dan merupakan keputusan manajerial ( alamiah merupakan keputusan kualitatif)sehingga memerlukan pengetahuan untuk melakukan penilaian terhadap pemenang lelang. Di dalam Industri konstruksi atau infrastruktur terdapat sekumpulan informasi yang dapat digali dan dikembangkan demi kemajuan industri tersebut dengan menggunakan metode Data Mining. Data mining dikelompokkan dalam dua kategori, yakni supervised dan unsupervised. Algoritma k-Nearest Neighbor (k-NN) adalah suatu metode yang menggunakan algoritma supervised, dimana hasil dari sampel uji yang baru diklasifikasikan berdasarkan mayoritas dari kategori pada k-NN. Penelitian ini dilakukan untuk mengkaji tentang Algoritma k-NN dan kemudian mengaplikasikan Algoritma k-NN dalam klasifikasi data. Variabel penilian diperoleh dari hasil kuisioner kepada para pemenang lelang dan data dari cipta karya. Dari hasil experiment diperoleh precision recal accuracy dan F.Measure semua diatas 0,8 artinya system prediksi berhasil dengan baik untuk memprediksi pemenang lelang dengan metode prakualifikasi