<![CDATA[Salah satu hal penting yang memengaruhi akurasi fuzzy k-nearest neighbor adalah penentuan parameter k dan m. Pada penelitian ini digunakan algoritma particle swarm optimization untuk menentukan kombinasi parameter k, m yang dapat menghasilkan akurasi paling baik. Penelitian ini dilakukan dengan tujuan untuk mengoptimalisasikan akurasi hasil klasifikasi algoritma Fuzzy K-Nearest Neighbor (FKNN) dengan penerapan Particle Swarm Optimization (PSO). Tahapan dari metode penelitian ini antara lain preprocessing data dengan normalisasi min-max, processing data dengan algoritma FKNN-PSO, dan evaluasi model dengan confusion matrix. Penelitian ini diimplementasikan pada software python dengan wisconsin breast cancer dataset yang diperoleh dari scikitlearn python. Data yang digunakan merupakan klasifikasi kanker payudara ke dalam dua kelas yaitu kanker ganas (malignant) dan kanker jinak (benign). Data tersebut dibagi ke dalam data latih dan data uji dengan perbandingan 70:30, sehingga diperoleh data latih sebesar 398 dan data uji sebesar 171. Hasil penelitian menunjukkan akurasi algoritma FKNN-PSO adalah 96,5% dengan k=45 dan m=47.]]>
Copyrights © 2026
