Model Machine Learning untuk Klasifikasi Warna Fashion Menggunakan Metode K-Nearest Neighbor

Abstrak

Penelitian ini bertujuan untuk mengembangkan model klasifikasi warna fashion menggunakan metode K-Nearest Neighbor (KNN). Dengan mengumpulkan data dari 25.000 sampel yang mencakup variabel tinggi badan, berat badan, jenis kelamin, indeks massa tubuh, dan warna kulit, penelitian ini menerapkan tahapan metodologi yang sistematis, termasuk pengumpulan data, pra-pemrosesan, pemodelan, dan evaluasi. Hasil analisis menunjukkan bahwa model KNN mencapai akurasi sebesar 78.22%, dengan kemampuan yang baik dalam membedakan kelas positif dan negatif. Meskipun hasil ini memuaskan, terdapat peluang untuk meningkatkan akurasi model melalui optimasi parameter atau penggabungan dengan algoritma lain. Temuan ini memberikan kontribusi signifikan terhadap pengembangan teknologi machine learning dalam industri fashion, serta menawarkan solusi praktis bagi desainer dan produsen dalam memilih kombinasi warna yang menarik, sehingga dapat meningkatkan daya tarik produk di pasar.