4. Terdapat data Training dengan dua atribut Bad dan Good untuk mengklasiikasikan sebuah data apakah tergolong Bad atau Good , berikut ini adalah training datanya : (30 point)x y katerogi12 11 bad11 11 bad11 10 bad6 8 good7 9 good7 7 good8 10 ?

Untuk mengklasifikasikan data yang tidak diketahui kategorinya (8,10), kita bisa menggunakan metode klasifikasi seperti K-Nearest Neighbors (KNN). Berikut adalah langkah-langkahnya:

1. Hitung jarak antara data yang tidak diketahui kategorinya dengan setiap data pada training set. Kita bisa menggunakan rumus Euclidean distance, yaitu √[(x2-x1)²+(y2-y1)²].

2. Pilih sejumlah k data dari training set yang memiliki jarak terdekat dengan data yang tidak diketahui kategorinya. Nilai k biasanya dipilih ganjil untuk menghindari kebuntuan.

3. Lihat kategori dari k data tersebut, kategori mana yang paling dominan itulah yang akan menjadi kategori dari data yang tidak diketahui.

Misalnya kita pilih k=3, maka kita akan melihat 3 data terdekat dari (8,10) dan melihat kategori mana yang paling dominan di antara ketiga data tersebut. Jika misalnya dua data tergolong good dan satu data tergolong bad, maka data (8,10) akan diklasifikasikan sebagai good.

Untuk mengklasifikasikan data yang tidak diketahui kategorinya (8,10), kita bisa menggunakan metode klasifikasi seperti K-Nearest Neighbors (KNN). Berikut adalah langkah-langkahnya:

1. Hitung jarak antara data yang tidak diketahui kategorinya dengan setiap data pada training set. Kita bisa menggunakan rumus Euclidean distance, yaitu √[(x2-x1)²+(y2-y1)²].

2. Urutkan hasil perhitungan jarak dari yang terkecil hingga terbesar. Jarak yang terkecil menunjukkan bahwa data tersebut paling dekat dengan data yang tidak diketahui kategorinya.

3. Pilih sejumlah k data terdekat. Nilai k biasanya dipilih yang ganjil dan tidak terlalu besar. Misalnya kita pilih k=3.

4. Lihat kategori dari k data terdekat tersebut, dan pilih kategori yang paling dominan sebagai kategori dari data yang tidak diketahui.

5. Jika jumlah kategori sama, maka kita bisa menambah nilai k atau mengurangi nilai k.

Dengan menggunakan metode ini, kita bisa mengklasifikasikan data (8,10) apakah termasuk kategori 'Bad' atau 'Good'.