OPTIMASI PARAMETER K PADA ALGORITMA K-NEAREST NEIGHBOR MENGGUNAKAN ALGORITMA GENETIKA UNTUK KLASIFIKASI PEMBERIAN OBAT

GRACYA, ARDINA SURYA - 185410118 (2022) OPTIMASI PARAMETER K PADA ALGORITMA K-NEAREST NEIGHBOR MENGGUNAKAN ALGORITMA GENETIKA UNTUK KLASIFIKASI PEMBERIAN OBAT. Skripsi thesis, Universitas Teknologi Digital Indonesia.

	Text (HALAMAN DEPAN) 1_185410118_HALAMAN_DEPAN - ardina surya.pdf - Published Version Download (420kB)
	Text (BAB I) 2_185410118_BAB_I - ardina surya.pdf - Published Version Download (218kB)
	Text (BAB II) 3_185410118_BAB_2 - ardina surya.pdf - Published Version Download (520kB)
	Text (BAB III) 4_185410118_BAB_3 - ardina surya.pdf - Published Version Restricted to Repository staff only Download (1MB) | Request a copy
	Text (BAB IV) 5_185410118_BAB_4 - ardina surya.pdf - Published Version Restricted to Repository staff only Download (1MB) | Request a copy
	Text (BAB V) 6_185410118_BAB_5 - ardina surya.pdf - Published Version Download (207kB)
	Text (DAFTAR PUSTAKA) 7_185410118_DAFTAR_PUSTAKA - ardina surya.pdf - Published Version Download (209kB)
	Text (CARA MENJALANKAN PROGRAM) 8_185410118_CARA_MENJALANKAN_PROGRAM - ardina surya.pdf - Published Version Download (338kB)
	Text (LISTING PROGRAM) 9_185410118_LISTING_PROGRAM - ardina surya.pdf - Published Version Restricted to Repository staff only Download (285kB) | Request a copy
	Text (LAMPIRAN) 10_185410118_LAMPIRAN - ardina surya.pdf - Published Version Download (590kB)

Abstract

Klasifikasi merupakan pengelompokan yang dilakukan secara sistematis pada objek-objek ke dalam kategori-kategori tertentu berdasarkan kesamaan karakteristik yang dimiliki. Untuk melakukan klasifikasi terdapat beberapa algoritma yang dapat digunakan. Salah satu algoritma yang sering digunakan dalam klasifikasi adalah algoritma K-Nearest Neighbor, karena algoritma tersebut mudah untuk dipahami dan diterapakan, dapat digunakan pada data yang memiliki banyak kelas, serta efektif digunakan untuk data berukuran besar. Namun, algoritma ini juga memiliki kelemahan pada penentuan parameter K yang bias sehingga berdampak pada berkurangnya tingkat akurasi yang dihasilkan. Oleh karena itu, pada penelitian ini dilakukan optimasi parameter K menggunakan algoritma genetika. Data yang digunakan pada penelitian ini adalah dataset obat tahun 2018 yang bersumber dari platform Kaggle. Jumlah keseluruhan dari dataset tersebut adalah sebanyak 200 record data dengan 150 data digunakan untuk data latih dan 50 data digunakan untuk data uji. Keseluruhan data tersebut akan diklasifikasi ke dalam lima kategori, yaitu kategori obat A, obat B, obat C, obat X, dan obat Y. Pengklasifikasian tersebut dilakukan berdasarkan lima kriteria, yaitu jenis kelamin, usia, tekanan darah, kolesterol, dan natrium kalium. Hasil akurasi terbaik yang didapatkan dari klasifikasi KNN teroptimasi adalah 84% dengan parameter K=1. Akurasi tersebut sama dengan hasil pencarian KNN tanpa optimasi dengan menggunakan parameter K dari rentang nilai 1 sampai 5 yang menghasilkan akurasi terbaik adalah ketika parameter K=1. Kata Kunci: algoritma genetika, klasifikasi, k-nearest neighbor, obat, optimasi

Item Type:	Thesis (Skripsi)
Additional Information:	Pembimbing: Ariesta Damayanti, S.Kom., M.Cs.
Uncontrolled Keywords:	algoritma genetika, klasifikasi, k-nearest neighbor, obat, optimasi
Subjects:	A Karya Umum (General) > Ilmu Komputer (Computer Science) > Algoritma
Divisions:	Jenjang Strata Satu > Teknik Informatika (Informatic Engineering)
Depositing User:	Titis Pratiwi
Date Deposited:	27 Jul 2022 04:00
Last Modified:	27 Jul 2022 04:00
URI:	http://eprints.utdi.ac.id/id/eprint/9682

Actions (login required)

View Item