Electronic Resource

Optimasi Algoritma K- Nearest Neghbor (KNN) Dengan Normalisasi Dan Seleksi Fitur Untuk Klarifikasi Penyakit Liver

---

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 ketikamenggunakan 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

---

Ketersediaan

21345254/SB/2022

KKI 001.6RUK p/s

Perpustakaan Unikama

Tersedia

Informasi Detail

Judul Seri

-

No. Panggil

KKI 001.6RUK p/s

Penerbit

Malang : Teknik Informatika - Unikama., 2022

Deskripsi Fisik

xix, 100hlm 26cm

Bahasa

Indonesia

ISBN/ISSN

-

Klasifikasi

001.6

Tipe Isi

text

Tipe Media

PDF

Tipe Pembawa

-

Edisi

1

Subjek

Skripsi
K- Nearest Neighbor (KNN)
Optimasi
Normalisasi
Seleksi Fitur

Info Detail Spesifik

-

Pernyataan Tanggungjawab

-

Versi lain/terkait

Lampiran Berkas

Komentar

---

Anda harus masuk sebelum memberikan komentar