Optimasi Parameter K Pada Algoritma K-NN Untuk Klasifikasi Prioritas Bantuan Pembangunan Desa

Abstract

Klasifikasi adalah proses menemukan model atau fungsi yang menggambarkan dan membedakan kelas atau konsep data. Algoritma k-NN (k Nearest Neighbors) merupakan algoritma klasifikasi berdasarkan pembelajaran dari data yang sudah terklasifiasi sebelumnya. Algoritma k-NN (k Nearest Neighbors) merupakan algoritma yang sangat bagus dalam menangani beberapa kasus, salah satu kelebihan k-NN diantaranya adalah tangguh terhadap data training yang noisy dan sangat efektif apabila data trainingnya besar. Namun terdapat beberapa masalah pada algoritma k-NN diantaranya adalah penentuan nilai k untuk pemilihan jumlah tetangga terdekatnya sangat sulit, karena nilai k sangat peka atau sensitif terhadap hasil klasifikasi. Pada penelitian ini, akan dilakukan pemodelan klasifiasi dengan menggunakan algoritma k-NN yang difokuskan pada proses penentuan nilai k terbaik pada dataset IKG (Indeks Kesulitas Geografis) desa. Pada penelitian ini akan melakukan integrasi algoritma k-NN dengan menentukan nilai k optimal dengan optimize parameters berdasar algoritma genetika.