Optimasi K-Nearest Neighbor dengan Grid Search CV pada Prediksi Kanker Paru-Paru

Abstract

Kanker paru-paru adalah salah satu kanker paling mematikan di seluruh. Salah satu penyebab kematian pada penderita kanker paru-paru adalah tidak ada sistem untuk memprediksi kanker paru-paru secara optimal apakah pasien menderita kanker paru-paru atau tidak. Oleh karena itu, penelitian ini bertujuan untuk melakukan optimasi nilai K pada algoritma k-nearest neighbor (KNN) menggunakan metode grid search cv. Algoritma KNN dipilih karena pada berbagai penelitian memiliki tingkat akurasi yang lebih baik dibandingkan dengan algoritma supervised learning lainnya. Data yang digunakan pada penelitian ini bersumber dari data publik yang ada di kaggle. Berdasarkan penelitian dan pembahasan mengenai optimasi nilai K pada algoritma KNN menggunakan metode grid search cv didapatkan nilai K paling optimal yaitu 3 dengan tingkat akurasi 96%. Oleh karena itu, nilai K=3 sangat baik diterapkan pada algoritma KNN untuk memprediksi kanker paru-paru karena memiliki akurasi yang tinggi.