Klasifikasi Data Multivariate Time Series (MTS) adalah suatu proses yang dilakukan ketika ada data baru yang belum dikategorikan. Salah satu metode klasifikasi yang banyak digunakan untuk klasifikasi data MTS adalah k Nearest Neighbor (kNN). Metode kNN memerlukan metode similarity measure (perhitungan jarak) dalam melakukan klasifikasi data. Dimungkinkan untuk menggunakan metode perhitungan jarak apapun untuk dipasangkan dengan metode kNN. Perbedaan metode perhitungan jarak yang digunakan dapat berpengaruh pada hasil dari klasifikasi kNN secara keseluruhan, baik dari segi akurasi, kepekaan, kekhasan maupun pada waktu yang diperlukan untuk melakukan proses perhitungan. Metode perhitungan jarak yang diujikan adalah Euclidean Distance, Dynamic Time Warping (DTW) dan Eros Distance. Metode tersebut diujikan pada 3 data set yaitu ECG, CMU dan Wafer. Hasil percobaan menunjukkan bahwa setiap metode perhitungan jarak memiliki akurasi, kepekaan dan kekhasan yang berbeda-beda untuk data set yang sama. Waktu proses pun berbeda-beda untuk setiap metode perhitungan jarak. Kombinasi data dan metode perhitungan jarak pun menunjukkan perbedaan hasil pada akurasi, kepekaan, kekhasan maupun kecepatan proses perhitungan.

Multivariate Time Series (MTS) Classification is a process that need tobe done when there is new uncategorizes data. One classification method which is widely used for MTS classification is k Nearest Neighbour (kNN). KNN method require similarity measure method to classify data. It is possible to change the similarity measure method within kNN. Difference similarity measure method, can affect the final outcome of kNN classification, both in terms of accuracy, sensitivity, specificity and classification time. Similarity measure methods that are tested are Euclidean Distance, Dynamic Time Warping (DTW) and Eros Distance. The methods were tested on three data sets, namely ECG, CMU and Wafer. The experimental results show that each method has a different accuracy, sensitivity and specificity on the same data set. The classifica- tion time was also different for any method similarity measure. The combination of data and similarity measure also show difference result in term accuracy, specificity, sensitifity and also classification time.

Kata Kunci : Klasifikasi, Multivariate Time Series, k Nearest Neighbour, Euclidean Distance, Dynamic Time Warping, Eros Distance