Klasifikasi Jamu Tradisional Madura Menggunakan Metode K-Nearest Neighbors (KNN) dan Term Frequency-Inverse Document Frequency (TF-IDF) Sebagai Representasi Teks

Abstract

Jamu Madura merupakan jamu tradisional yang digunakan untuk alternatif pengobatan maupun perawatan tubuh, baik laki-laki maupun perempuan. Penelitian ini bertujuan untuk melakukan proses pengembangan sistem otomatis untuk suatu klasifikasi jamu Madura dengan menggunakan pemodelan K-Nearest Neighbors (KNN) yang didukung oleh representasi teks TF-IDF (Term Frequency-Inverse Document Frequency). Dimana K-Nearest Neighbors adalah salah satu algoritma dalam suatu teknik machine learning yang digunakan untuk melakukan proses klasifikasi dan regresi, sedangkan TF-IDF (Term Frequency-Inverse Document Frequency) adalah suatu teknik yang umum digunakan dalam pemrosesan bahasa alami (NLP) dan information retrieval.  Deskripsi jamu Madura tersebut kemudian diubah menjadi representasi vektor menggunakan model TF-IDF, yang memungkinkan pemahaman kontekstual dari kata-kata dalam teks. Proses pengembangan model melibatkan pelatihan menggunakan metode KNN dengan data jamu Madura yang telah diberi label, dimana label pada penelitian ini terdapat 3 kelas, yaitu 1) Jamu Kesehatan, 2) Jamu Perawatan kewanitaan dan, 3) Pasutri. Klasifikasi ini diikuti oleh evaluasi kinerja model menggunakan metrik seperti akurasi, presisi, dan recall. Hasil penelitian menunjukkan bahwa metode KNN dengan TF-IDF dapat mencapai tingkat akurasi yang tinggi dimana hasil tertinggi terdapat dengan nilai k = 9 dimana data latih 90% dan data uji 10% dengan hasil akurasi 85,71%, dengan presisi 88,92% dan recall 85,71%, hal ini menyimpulkan hasil akurasi yang baik.