Smartphone Classification Based on Performance and Price Using the K-Nearest Neighbor (KNN) Algorithm Method
DOI:
https://doi.org/10.51179/ilka.v3i2.53Keywords:
Smartphone Classification, KNN, Machine Learning, Performance Analysis, Price CategoryAbstract
The rapid development of smartphones has led to a wide variety of specifications and price ranges, making it difficult for consumers to choose devices objectively. Performance differences influenced by hardware specifications and pricing require a data-driven classification approach. This study aims to classify smartphones based on performance and price using the K-Nearest Neighbor (KNN) algorithm. The dataset consists of 981 smartphone records obtained from Kaggle, including attributes such as processor speed, number of cores, RAM, internal storage, battery capacity, camera resolution, rating, and price. Data preprocessing includes handling missing values and feature normalization using StandardScaler. Smartphones are categorized into three classes: Budget, Midrange, and Flagship. The model evaluation uses confusion matrix, accuracy, precision, recall, and F1-score. Experimental results show that the KNN algorithm achieves an accuracy of 92%, indicating that it is effective for smartphone classification problems.
Downloads
References
[1] N. N. Ramadhona and H. Hastono, “Analisis Strategi Komunikasi Pemasaran Dan Strategi Promosi Vivo Smartphone Dalam Meningkatkan Brand Awareness Di Kalangan Remaja Kelurahan Kedaleman Kecamatan Cibeber Cilegon Banten,” JURNAL AKADEMIK EKONOMI DAN MANAJEMEN, vol. 3, no. 1, pp. 452–468, 2026.
[2] Z. Amanda, I. Muslem, and F. Rizani, “Klasifikasi Kematangan Buah Pepaya Menggunakan Algoritma Support Vector Machine,” Jurnal Ilmu Komputer Aceh, vol. 3, no. 1, pp. 96–102, Feb. 2026.
[3] M. G. Anandito and E. Fitriani, “Pengaruh Electronic Word of Mouth terhadap Purchase Intention Dimediasi Brand Image Smartphone,” Jurnal Manajemen dan Bisnis Indonesia, vol. 1, no. 2, pp. 77–85, 2026.
[4] A. Amalia and S. Mujiyono, “Sistem Pendukung Keputusan dalam Pemilihan Smartphone dengan Menerapkan Metode Simple Additive Weighting (SAW),” Jurnal Locus Penelitian dan Pengabdian, vol. 5, no. 1, pp. 594–601, 2026.
[5] M. Siregar, F. Azhar, A. F. Simamora, and M. S. Nasution, “Sistem Pendukung Keputusan Pemilihan Smartphone Gaming Menggunakan Metode Electre,” Jurnal Komputer Teknologi Informasi Sistem Informasi (JUKTISI), vol. 4, no. 3, pp. 2264–2271, 2026.
[6] I. M. R, “SISTEM PENDUKUNG KEPUTUSAN PEMILIHAN KETUA OSIS PADA SMA NEGERI 1 BIREUEN DENGAN MENGGUNAKAN METODE AHP DAN TOPSIS,” Jurnal Tika, vol. 4, no. 3, pp. 19–24, 2019.
[7] M. Akmal Hakim, P. Gunawan, R. Pratama, and F. Kurniawam, “Implementasi Algoritma K-Nearest Neighbors untuk Menganalisis Pendapat Pakar AI tentang Kemajuan Kecerdasan Buatan,” 2024. [Online]. Available: https://journal-computing.org/index.php/journal-cisa/index
[8] B. Laoli, I. Muslem, and F. Rizani, “ Klasifikasi Tingkat Kematangan Buah Pisang Menggunakan Algoritma Support Vector Machine ,” Jurnal Ilmu Komputer Aceh, vol. 3, no. 1, pp. 142–151, Feb. 2026.
[9] D. Armiady and I. M. R, “Klasifikasi Kualitas Buah Pisang Berdasarkan Citra Buah Menggunakan Stochastic Gradient Descent,” KLIK: Kajian Ilmiah Informatika dan Komputer, vol. 4, no. 2, 2023.
[10] C. H. H. Jannah, I. Muslem, and D. Azmi, “Klasifikasi Plat Nomor Kenderaan Bedasarkan Wilayah Tertentu Menggunakan Algoritma Optical Character Recognition,” Jurnal Ilmu Komputer Aceh, Oct. 2025, [Online]. Available: https://jurnal.fikompublisher.com/ilka/article/view/16
[11] K. Anwar, “KLIK: Kajian Ilmiah Informatika dan Komputer Analisa sentimen Pengguna Instagram Di Indonesia Pada Review Smartphone Menggunakan Naive Bayes,” vol. 2, no. 4, pp. 148–155, 2022, [Online]. Available: https://djournals.com/klik
[12] F. Aziz, “Klasifikasi Aktivitas Manusia menggunakan metode Ensemble Stacking berbasis Smartphone,” 2021.
[13] P. A. Hartanto, “PENERAPAN ALGORITMA DECISION TREE UNTUK SELEKSI PENERIMA BEASISWA (STUDI KASUS: SMPN 1 SOREANG),” vol. 2, no. 7, 2023.
[14] J. Homepage, S. R. Cholil, T. Handayani, R. Prathivi, and T. Ardianita, “IJCIT (Indonesian Journal on Computer and Information Technology) Implementasi Algoritma Klasifikasi K-Nearest Neighbor (KNN) Untuk Klasifikasi Seleksi Penerima Beasiswa,” 2021.
[15] J. Homepage, A. Roihan, P. Abas Sunarya, and A. S. Rafika, “IJCIT (Indonesian Journal on Computer and Information Technology) Pemanfaatan Machine Learning dalam Berbagai Bidang: Review paper,” 2019.
[16] N. Kadek, C. Bandinithya, D. #1, A. Wirdiani, D. Made, and S. Arsa, “JEPIN (Jurnal Edukasi dan Penelitian Informatika) Klasifikasi Kecanduan Smartphone pada Pelajar Sekolah Menengah Atas menggunakan Metode Machine Learning Berbasis Feature Weighting,” 2022.
[17] R. Saputra, I. Muslem, and R. Fajri, “ Klasifikasi Spesies Ikan Koi Berdasarkan Citra Menggunakan Metode YOLOv3-Tiny Dan OpenCV ,” Jurnal Ilmu Komputer Aceh, vol. 3, no. 1, pp. 182–188, Feb. 2026.
[18] R. Melani, S. Sriwinar, D. Azmi, I. Muslem, and M. Amin, “Klasifikasi Kematangan Cabai Berdasarkan Citra Digital Menggunakan Algoritma K-Nearest Neighbor,” NOVAKOMPUTA: Jurnal Ilmu Komputer dan Informatika, vol. 1, no. 1, pp. 30–42, 2026.
[19] C. H. H. Jannah, I. Muslem, and D. Azmi, “Klasifikasi Plat Nomor Kenderaan Bedasarkan Wilayah Tertentu Menggunakan Algoritma Optical Character Recognition (OCR),” Jurnal Ilmu Komputer Aceh, vol. 2, no. 3, 2025.
[20] D. Fahmi, D. Azmi, I. Muslem, and P. B. N. Simangunsong, “Sistem Pendeteksi Dan Klasifikasi Jenis Hewan Ternak Menggunakan Metode You Only Look Once (YOLO),” NOVAKOMPUTA: Jurnal Ilmu Komputer dan Informatika, vol. 1, no. 1, pp. 43–51, 2026.
[21] I. R. Muslem and T. M. Johan, “KLIK: Kajian Ilmiah Informatika dan Komputer Klasifikasi Citra Ikan Menggunakan Algoritma Convolutional Neural Network dengan Arsitektur VGG-16,” Media Online), vol. 4, no. 2, pp. 978–985, 2023, doi: 10.30865/klik.v4i2.1209.
[22] O. D. Kurnia et al., “Analisis Perbandingan Algoritma Naïve Bayes dengan K-Nearest Neighbor (KNN) Pada Dataset Mobile Price Classification Penulis Korespondensi: Prosiding SEMNAS INOTEK (Seminar Nasional Inovasi Teknologi) 1174,” Online, 2024.
[23] Y. I. Kurniawan and T. I. Barokah, “Klasifikasi Penentuan Pengajuan Kartu Kredit Menggunakan K-Nearest Neighbor,” Jurnal Ilmiah MATRIK, vol. 22, no. 1, 2020.
[24] D. Nasien et al., “Perbandingan Implementasi Machine Learning Menggunakan Metode KNN, Naive Bayes, Dan Logistik Regression Untuk Mengklasifikasi Penyakit Diabetes,” 2024.
[25] A. Raup, W. Ridwan, Y. Khoeriyah, Q. Yuliati Zaqiah, and U. Islam Negeri Sunan Gunung Djati Bandung, “Deep Learning dan Penerapannya dalam Pembelajaran.” [Online]. Available: http://Jiip.stkipyapisdompu.ac.id
[26] R. Parlika, F. Ramadhana, I. Muslem, and A. Afriana, “Implementasi Algoritma Linear Regression pada Framework Laravel untuk Prediksi Biaya Asuransi Kesehatan,” NOVAKOMPUTA: Jurnal Ilmu Komputer dan Informatika, vol. 1, no. 1, pp. 1–7, 2026.
[27] S. Sulistiyanto, E. Nadeak, N. Rahmi, and M. Malahayati, “Metode Data Mining dalam Kasus Seleksi Beasiswa: Literature Review,” Jurnal Penelitian Inovatif, vol. 4, no. 3, pp. 1091–1100, Jun. 2024, doi: 10.54082/jupin.468.
[28] M. Ula, R. Zulhusna, R. Putra Fhonna, and A. Pratama, “Penerapan Model Klasifikasi K-Nearest Neighbor Dalam Pencarian Kesesuaian Pekerjaan,” METIK JURNAL, vol. 6, no. 1, pp. 18–23, Jul. 2022, doi: 10.47002/metik.v6i1.343.
[29] A. Agung Zefi Syahputra et al., “Smartphone Price Grouping by Specifications using K-Means Clustering Method,” 2021.
[30] M. A. A. Lobo and A. C. Talakua, “Klasifikasi Data Penerima Beasiswa Menggunakan Algoritma C4.5,” Jurnal Penelitian Inovatif, vol. 4, no. 2, pp. 575–582, May 2024, doi: 10.54082/jupin.355.
[31] M. Mukhlisin and H. W. Nugroho, “Customer Loyalty Classification Using KNN and Decision Tree for Sales Strategy Development,” Sinkron, vol. 9, no. 3, pp. 1159–1166, Aug. 2025, doi: 10.33395/sinkron.v9i3.15110.
[32] D. Pratmanto, R. Wijianto, A. Widayanto, and A. Info, “Komparasi K-Nearest Neighbors (KNN) dan Naive Bayes pada Klasifikasi Sentimen Ulasan Aplikasi Tokopedia di Google Play Store,” 2025. [Online]. Available: https://jurnal.bsi.ac.id/index.php/ijec/
[33] A. Aulia and S. Wahyuni, “Bulletin of Information Technology (BIT) Analisis Data Mining Dalam Pemilihan Smartphone dan Klasifikasi di Berbagai Perangkat Menggunakan Random Forest,” vol. 5, no. 4, pp. 333–339, 2024, doi: 10.47065/bit.v5i2.1703.
[34] N. T. Ujianto, Gunawan, H. Fadillah, A. P. Fanti, A. D. Saputra, and I. G. Ramadhan, “Penerapan algoritma K-Nearest Neighbors (KNN) untuk klasifikasi citra medis,” IT-Explore: Jurnal Penerapan Teknologi Informasi dan Komunikasi, vol. 4, no. 1, pp. 33–43, Feb. 2025, doi: 10.24246/itexplore.v4i1.2025.pp33-43.
[35] D. Sebastian, “Implementasi Algoritma K-Nearest Neighbor untuk Melakukan Klasifikasi Produk dari beberapa E-marketplace,” vol. 5, pp. 2443–2229, 2019, doi: 10.28932/jutisi.v5i1.913.
[36] Y. S. Fuansah et al., “Yohana Sicke Fuansah, dkk., Implementasi Metode K-Nearest Neighbor … 929 Implementasi Metode K-Nearest Neighbor untuk Menentukan Klasifikasi Status Ekonomi Penerima Bantuan.”
[37] J. Teknika, K. Penjualan Produk Terlaris Pada Kedai Ira Dengan Menggunakan Algoritma Naïve Bayes Dan Algoritma K-Nearest Neighbor Intan Purwasih, K. Setiawan, F. Matheos Sarimole, J. Sistem Informasi, and S. Tinggi Ilmu Komputer Cipta Karya, “Teknika 18 (2): 695-706,” IJCCS, vol. x, No.x, pp. 1–5.
[38] Zio Fahreliandro, “KLASIFIKASI HARGA SMARTPHONE BERDASARKAN SPESIFIKASI TEKNIS MENGGUNAKAN ALGORITMA C4.5”.
[39] F. Hanum, I. Muslem, and M. Munar, “Implementasi Metode Tesseract Optical Character Recognition (OCR) pada Kasus Pengawasan Transportasi Darat,” Jurnal Ilmu Komputer Aceh, vol. 2, no. 3, 2025.
[40] I. Muslem, I. Irvanizam, A. Almuzammil, and F. Johar, “Adaptive Heuristic-Based Ant Colony Optimization for Multi-Constraint University Course Timetabling with Morning Slot Preference for Energy Efficiency,” Jurnal Teknik Informatika (Jutif), vol. 6, no. 6, pp. 5930–5943, Jan. 2026, doi: 10.52436/1.jutif.2025.6.6.5588.
[41] T. H. P. M. S. B. M. F. K. R. A. Y. H. S. L. K. Ramadhoni Gibran Maulana1), “Perbandingan Algoritma Klasifikasi Sentimen Pada Ulasan Aplikasi Mobile JKN ”.
[42] “KLASIFIKASI HARGA SMARTPHONE BERDASARKAN SPESIFIKASI TEKNIS MENGGUNAKAN ALGORITMA C4.5”.
Downloads
Published
How to Cite
Issue
Section
License
Copyright (c) 2026 Aceh Journal of Computer Science
This work is licensed under a Creative Commons Attribution-ShareAlike 4.0 International License.
This journal is an open access journal that provides direct, barrier-free national access to the full text of all published articles without any cost to readers or their institutions. Readers are entitled to read, download, copy, distribute, print, search, or link to the full text of all articles in the ILKA Journal. This journal provides open access to its content on the principle that making research freely available to the public supports greater global knowledge exchange.
