OPTIMASI ALGORITMA K-NEAREST NEIGHBOR (KNN) DENGAN NORMALISASI DAN SELEKSI FITUR UNTUK KLASIFIKASI PENYAKIT LIVER

Abstract

Sulitnya mengenali penyakit liver sejak dini menjadi permasalahan yang sering terjadi. Dengan berkembangnya teknologi, saat ini diagnosis penyakit liver dapat menggunakan metode data mining. Penelitian ini bertujuan untuk mengetahui penerapan seleksi fitur dan normalisasi data untuk mencari model optimasi untuk klasifikasi penyakit liver dengan algoritma K-Nearest Neighbor. Metode K-Nearest Neighbor dipilih karena memiliki prinsip sederhana dan mudah digunakan, tetapi pada beberapa penelitiannya memiliki akurasi relative rendah. Proses klasifikasi pada penelitian ini dilakukan dengan melakukan pengisian data yang kosong setelah itu dilakukan pembobotan atribut dan normalisasi pada data yang terpilih. Pada penelitian ini nilai akurasi yang paling optimal didapat ketika menggunakan normalasi min-max, dengan seleksi fitur Information Gain dan Gain Ratio digunakan nilai rata-rata untuk mengisi kekosongan data dengan menggunakan nilai k = 10. Sedangkan pada seleksi fitur Symmetrical Uncertainty dapat menggunakan nilai 0 untuk kekosongan data dan nilai k = 5.