OPTIMASI PARAMETER K-NEAREST NEIGHBOR MENGGUNAKAN ALGORITMA FIREFLY UNTUK PREDIKSI PENYAKIT STROKE

Rizky Ananda Hafika
Stefen Agus Waruwu
Muhammad Yazid Noor
Adidtya Perdana

Jurnal Intelek Insan Cendikia
Vol. 2 No. 12 (2025): Desember 2025

Stroke merupakan penyakit dengan tingkat kematian dan kecacatan yang tinggi, sehingga diperlukan metode prediksi yang akurat untuk deteksi dini. Penelitian ini bertujuan meningkatkan kinerja algoritma K-Nearest Neighbor (KNN) dalam memprediksi penyakit stroke melalui optimasi parameter menggunakan Firefly Algorithm (FA). Dataset yang digunakan terdiri dari 5.110 data pasien dengan berbagai atribut klinis dan gaya hidup. Tahapan penelitian meliputi preprocessing data, penyeimbangan kelas menggunakan oversampling, pembangunan model KNN sebagai baseline, serta optimasi nilai parameter k menggunakan FA. Evaluasi model dilakukan menggunakan metrik akurasi dan confusion matrix. Hasil penelitian menunjukkan bahwa KNN sebelum optimasi menghasilkan akurasi sebesar 0,8637, sedangkan setelah optimasi menggunakan Firefly Algorithm akurasi meningkat menjadi 0,8920 dengan nilai parameter optimal k = 1. Hasil ini membuktikan bahwa Firefly Algorithm efektif dalam mengoptimasi parameter KNN dan meningkatkan performa klasifikasi pada prediksi penyakit stroke