K-Nearest Neighbors (KNN): Panduan Lengkap Menghitung Jarak Euclidean untuk Pemula

Memasuki dunia machine learning sering kali terasa membingungkan karena banyaknya istilah teknis dan model matematis yang rumit. Namun, ada satu model yang terkenal sangat ramah bagi pemula karena logikanya yang sederhana dan intuitif: algoritma KNN (K-Nearest Neighbors).

Jika Anda pernah mendengar pepatah "tunjukkan siapa teman-temanmu, maka aku akan tahu siapa dirimu", Anda sebenarnya sudah memahami filosofi inti dari algoritma ini. Artikel ini dirancang khusus sebagai panduan k nearest neighbor pemula untuk membedah cara kerja KNN, disertai tutorial langkah demi langkah menghitung jarak Euclidean secara manual.

Apa Itu Algoritma K-Nearest Neighbors (KNN)?

Algoritma KNN adalah metode supervised learning yang digunakan untuk menyelesaikan masalah klasifikasi maupun regresi. Karakteristik paling khas dari model ini adalah sifatnya sebagai lazy learner (atau algoritma berbasis instans). Artinya, KNN tidak membentuk fungsi prediksi umum selama fase pelatihan (training). Sebaliknya, algoritma ini menyimpan seluruh data latih di memori dan baru melakukan kalkulasi intensif saat data uji baru dimasukkan.

Cara kerjanya berpusat pada premis dasar: data yang memiliki karakteristik serupa akan berkumpul di ruang vektor yang berdekatan. Huruf K merujuk pada jumlah tetangga terdekat yang dijadikan acuan voting suara (pada klasifikasi) atau rata-rata nilai (pada regresi) untuk menentukan label data baru.

Mengapa Jarak Euclidean Begitu Penting?

Untuk mengetahui data mana yang menjadi "tetangga terdekat", algoritma membutuhkan metode pengukuran metrik jarak. Di antara berbagai metrik yang ada—seperti Manhattan, Minkowski, atau Cosine—jarak Euclidean (Euclidean distance) merupakan metrik default yang paling umum digunakan.

Jarak Euclidean mengukur panjang garis lurus terpendek antara dua titik dalam ruang berdimensi-n. Konsep ini diturunkan langsung dari Teorema Pythagoras yang sudah kita pelajari sejak sekolah menengah.

Secara matematis, rumus jarak Euclidean antara titik P dan titik Q diturunkan dari akar kuadrat dari jumlah selisih kuadrat koordinatnya. Untuk kasus dua dimensi sederhana dengan dua atribut (X1 dan X2), rumusnya adalah:

d(P,Q) = √((p₁ - q₁)² + (p₂ - q₂)²)

Studi Kasus Perhitungan Manual Langkah demi Langkah

Agar konsep ini konkret, mari kita simulasikan penentuan kelayakan kredit nasabah bank berdasarkan dua variabel: Pendapatan Bulanan (juta rupiah) dan Skor Kredit (skala 100).

Data Latih (Training Data):

Nasabah	Pendapatan (X1)	Skor Kredit (X2)	Label
Nasabah A	6	70	Disetujui
Nasabah B	4	50	Ditolak
Nasabah C	8	85	Disetujui
Nasabah D	3	40	Ditolak
Nasabah E	7	65	Disetujui

Kasus Data Uji Baru
Terdapat calon nasabah baru (Nasabah X) dengan data:

• Pendapatan: 5 juta
• Skor Kredit: 60
• Status: ? (Akan diprediksi)

Kita tetapkan parameter K = 3.

Langkah 1: Hitung Jarak Euclidean ke Seluruh Titik Data Latih

1. Jarak X ke A (6, 70) = 10.05
2. Jarak X ke B (4, 50) = 10.05
3. Jarak X ke C (8, 85) = 25.18
4. Jarak X ke D (3, 40) = 20.10
5. Jarak X ke E (7, 65) = 5.39

Langkah 2: Urutkan Jarak dari yang Terkecil

Peringkat	Nasabah	Jarak	Label Status
1	Nasabah E	5.39	Disetujui
2	Nasabah A	10.05	Disetujui
3	Nasabah B	10.05	Ditolak
4	Nasabah D	20.10	Ditolak
5	Nasabah C	25.18	Disetujui

Langkah 3: Tentukan Voting Mayoritas untuk K = 3

Tiga tetangga terdekat (K=3) adalah Nasabah E, Nasabah A, dan Nasabah B. Dua suara untuk "Disetujui" dan satu suara untuk "Ditolak". Mekanisme mayoritas menyimpulkan Nasabah X Disetujui.

3 Aturan Emas Menggunakan KNN bagi Pemula

1. Selalu Lakukan Normalisasi Fitur (Feature Scaling). Jarak Euclidean sangat sensitif terhadap skala. Gunakan Min-Max Normalization atau Z-score.
2. Gunakan Nilai K Ganjil untuk Klasifikasi Biner. Pilih 3, 5, atau 7 untuk menghindari kondisi seri (tie voting).
3. Hindari Dimensi Fitur yang Terlalu Banyak (Curse of Dimensionality). Ruang geometri antartitik menjadi sangat renggang jika atribut terlalu banyak.

Dengan memahami cara kerja manual ini, Anda kini memiliki fondasi yang kuat untuk menerapkan pustaka kode scikit-learn pada proyek nyata.