SELEKSI FITUR DAN OPTIMASI PARAMETER k-NN BERBASIS ALGORITMA GENETIKA PADA DATASET MEDIS

Klasifikasi dataset medis adalah masalah data mining utama yang sedang diteliti selama satu dekade yang telah menarik beberapa peneliti dari berbagai bidang. Banyak algoritma klasifikasi dirancang untuk belajar dari data itu sendiri melalui proses pelatihan, karena pengetahuan ahli untuk menentukan parameter klasifikasi sulit. Penelitian ini mengusulkan metodologi yang didasarkan pada paradigma data mining. Paradigma ini mengintegrasikan pencarian heuristic yang terinspirasi dari evolusi alam yang disebut algoritma genetika dengan algoritma pembelajaran yang paling sederhana dan paling banyak digunakan, k nearest neighbor. Algoritma genetika digunakan untuk pemilihan fitur dan optimasi parameter sedangkan k-nearest neighbor digunakan sebagai algoritma klasifikasi. Metode yang diusulkan diujicobakan pada lima dataset medis dari UCI Machine Learning Repository untuk menangani klasifikasi dataset medis. Hasil percobaan menunjukkan bahwa metode yang diusulkan mampu mencapai kinerja yang baik, dibandingkan dengan hasil pengklasifikasi lain dengan peningkatan yang signifikan dengan nilai p uji-t 0.0011.