<![CDATA[Dalam penelitian ini, penulis mengusulkan proses peningkatan akurasi pada K-Nearest Neighbor (KNN) dengan kombinasi seleksi fitur menggunakan metode Relief-F. Adapun penyebab kurang maksimalnya akurasi pada K-Nearest Neighbor dibandingkan dengan metode klasifikasi lainnya disebabkan oleh pengaruh atribut yang kurang signifikan dan persentase pengaruh yang cenderung rendah dari suatu data dalam menentukan kelas pada data baru. Metode Relief-F digunakan untuk melakukan seleksi pada atribut yang korelasinya kurang baik dari data yang diujikan. Pengujian dari metode yang diusulkan yaitu membandingkan akurasi yang diperoleh dari metode KNN tanpa menggunakan seleksi fitur dengan KNN menggunakan seleksi fitur Relief-F. Hasil pengujian yang diperoleh yaitu metode yang diusulkan mampu meningkatkan akurasi klasifikasi dari KNN dengan peningkatan yang diperoleh yaitu sebesar 10.32% setelah dibandingkan dengan pengujian KNN tanpa seleksi fitur.]]>
Copyrights © 2021
