Sistem Rekomendasi Pemilihan Ban Mobil Menggunakan Metode Case-Based Reasoning Berbasis K-Nearest Neighbors

Authors

  • Ibnu Khairul Huda Program Studi Teknik Informatika, Fakultas Ilmu Komputer, Universitas Duta Bangsa Surakarta
  • Hisyam Arsyad Zakiyuddin Program Studi Teknik Informatika, Fakultas Ilmu Komputer, Universitas Duta Bangsa Surakarta
  • Izzul Maali Program Studi Teknik Informatika, Fakultas Ilmu Komputer, Universitas Duta Bangsa Surakarta
  • Afif Adam Mughnansyah Program Studi Teknik Informatika, Fakultas Ilmu Komputer, Universitas Duta Bangsa Surakarta
  • Ravinolddy Firza Pratama Program Studi Teknik Informatika, Fakultas Ilmu Komputer, Universitas Duta Bangsa Surakarta
  • Vihi Atina Program Studi Teknik Informatika, Fakultas Ilmu Komputer, Universitas Duta Bangsa Surakarta

Keywords:

Case-Based Reasoning, K-Nearest Neighbors, sistem rekomendasi, ban mobil, normalisasi data

Abstract

Menentukan ban mobil yang paling cocok kerap menjadi persoalan bagi konsumen umum karena banyaknya kombinasi spesifikasi teknis yang harus disesuaikan dengan kebutuhan berkendara. Penelitian ini mengusulkan sistem rekomendasi ban mobil yang mengombinasikan metode Case-Based Reasoning (CBR) dengan algoritma K-Nearest Neighbors (K-NN) pada tahap pengambilan kasus (retrieval). Proses dilakukan melalui empat tahap: pengumpulan data, normalisasi, perancangan model, dan penerapan pada platform web. Dari 574 catatan ban mentah, tersisa 446 catatan valid setelah pembersihan dan normalisasi. Kemiripan kasus baru dengan kasus tersimpan dihitung berdasarkan lima atribut berbobot: lebar ban, rasio aspek, diameter pelek, harga, dan jenis pemakaian. K-NN mengurutkan kandidat berdasarkan skor kemiripan dan menetapkan tiga teratas (K=3) sebagai rekomendasi. Pada uji coba dengan lebar 7,5 inci, rasio 65, pelek 15 inci, harga Rp1.500.000, dan kebutuhan CITY, sistem merekomendasikan tiga ban Bridgestone berukuran 185/65-15, yaitu B250HZ T (skor 0,9972), Turanza T005 (skor 0,9970), dan Turanza 6 (skor 0,9969), dengan seluruh skor kemiripan di atas 0,99. Pengukuran MAE dan RMSE menunjukkan galat di bawah 0,02, sementara simulasi confusion matrix mencatat nol false positive (`=1,00). Temuan ini menegaskan bahwa perpaduan CBR dan K-NN mampu bekerja akurat sebagai mesin rekomendasi ban mobil dan layak diterapkan pada aplikasi berbasis web.

References

[1] A. R. Pradana, N. Pratiwi, V. K. Sari, S. Fajrin, and V. Atina, "Sistem rekomendasi program studi berdasarkan preferensi dan kemampuan akademik menggunakan metode knowledge based filtering," Pros. Semin. Nas. Teknol. Inf. dan Bisnis (SENATIB), pp. 60-69, 2025.

[2] S. M. Ariffin, T. F. Abidin, and Z. Mardhiyah, "Sistem pendukung keputusan pemilihan ban kendaraan menggunakan metode multi-attribute decision making," J. Tek. Inform. dan Sist. Inf., vol. 5, no. 2, pp. 1-10, 2019.

[3] A. Aamodt and E. Plaza, "Case-based reasoning: Foundational issues, methodological variations, and system approaches," AI Commun., vol. 7, no. 1, pp. 39-59, 1994.

[4] L. G. Vedayoko, E. Sugiharti, and M. A. Muslim, "Expert system diagnosis of bowel disease using case based reasoning with nearest neighbor algorithm," Sci. J. Informatics, vol. 4, no. 2, pp. 134-142, 2017.

[5] H. Sulistiani, "Penerapan metode case based reasoning dan k-nearest neighbor untuk diagnosa penyakit dan hama pada tanaman karet," J. Edukasi dan Penelit. Inform. (JEPIN), vol. 4, no. 2, pp. 167-174, 2018.

[6] N. P. P. Wardhana and I. W. Supriana, "Pemanfaatan case based reasoning sebagai rekomendasi produk kamera," J. Nas. Teknol. Inf. dan Aplikasnya (JNATIA), vol. 1, no. 1, pp. 1-8, 2022.

[7] I. P. A. Pratama and I. W. Supriana, "A case based reasoning system for recommendation of restaurant in Jimbaran using K-Nearest Neighbor," JELIKU, vol. 9, no. 2, pp. 267-276, 2020.

[8] V. B. Surya Prasath, H. A. Abu Alfeilat, O. Lasassmeh, A. B. A. Hassanat, and A. S. Tarawneh, "Distance and similarity measures effect on the performance of K-Nearest Neighbor classifier," Big Data, vol. 7, no. 4, pp. 221-248, 2019.

[9] Okfalisa, R. Fitriani, and Y. Vitriani, "The comparison of linear regression method and k-nearest neighbors in scholarship recipient," in Proc. 2018 IEEE/ACIS 19th Int. Conf. SNPD, 2018, pp. 194-199.

[10] I. K. R. Sudarmawan, I. G. A. G. A. Kadyanan, and I. W. Supriana, "Implementasi metode k-nearest neighbors pada sistem klasifikasi kualitas udara berdasarkan partikulat berbahaya yang terkandung," JNATIA, vol. 1, no. 1, pp. 1-10, 2022.

[11] K. K. R. Soleliza Jones, "Case based reasoning using K-Nearest Neighbor with Euclidean distance for early diagnosis of personality disorder," IJISTECH, vol. 5, no. 1, pp. 1-10, 2021.

[12] C. S. D. Prasetya, "Sistem rekomendasi pada e-commerce menggunakan k-nearest neighbor," JTIIK, vol. 4, no. 3, pp. 234-240, 2017.

[13] Z. Zazalia, "Sistem rekomendasi destinasi pariwisata menggunakan metode hibrid case based reasoning dan location based service sebagai pemandu wisatawan di Banyuwangi," J. Teknol. Inf. dan Komunikasi, vol. 5, no. 1, pp. 1-10, 2017.

[14] H. Maharani and F. A. Gunawan, "Sistem rekomendasi mobil berdasarkan demographic dan content-based filtering," J. Telematika, vol. 9, no. 2, pp. 89-98, 2014.

[15] N. I. Putri, Y. Herdiana, and Z. Munawar, "Sistem rekomendasi hibrid pemilihan mobil berdasarkan profil pengguna dan profil barang," J. Sist. Inf. dan Teknol. Inf., vol. 4, no. 2, pp. 1-12, 2021.

[16] A. Muliawan, T. Badriyah, and I. Syarif, "Membangun sistem rekomendasi hotel dengan content based filtering menggunakan k-nearest neighbor dan haversine formula," Technomedia J., vol. 7, no. 2, pp. 231-247, 2022.

Downloads

Published

2026-07-25