Fuzzifikasi Data untuk Normalisasi Atribut dalam Perhitungan Algoritma K-Nearest Neighbour
DOI:
https://doi.org/10.47775/ictech.v13i2.41Abstrak
K-Nearest Neighbour Merupakan algoritma yang sering digunakan dalam proses klasifikasi. Dalam proses perhitungannya algoritma ini menggunakan pendekatan similarity antar record atribut. Fungsi ini terbukti baik digunakan dan dapat menghasilkan klasifikasi yang cukup akurat. Kelemahan pendekatan similarity ini adalah apabila terdapat atribut dengan range nilai yang berbeda jauh maka akan menghasilkan nilai similarity yang besar. Nilai ini jelas tidak adil apabila terdapat atribut lain yang memiliki range sangat kecil. Perhitungan menggunakan fuzzy dinilai sangat cocok untuk menangani masalah ini. Dalam perhitungan fuzzy digunakan nilai terbesar yaitu 1 dengan nilai terendah adalah 0. Penelitian ini melakukan perhitungan algoritma K-Nearest Neighbour menggunakan fuzzy dan dilakukan perbandingan dengan perhitungan tanpa menggunakan fuzzifikasi data. Hasil dari penelitian ini membuktikan bahwa fuzzifikasi data untuk normalisasi atribut dapat membuat perhitungan klasifikasi k-nearest neighbor lebih akurat dan sesuai dengan sasaran.
Referensi
Alkaromi, M. A. (2014). Information Gain untuk Pemilihan Fitur pada Klasifikasi Heregistrasi Calon Mahasiswa dengan Menggunakan K-NN.
Kurniawan, M. F., & Ivandari. (2017). Komparasi Algoritma Data Mining untuk Klasifikasi Kanker Payudara. IC Tech, I April 20, 1–8.
Prasetyo, E. (2012). Data Mining Konsep dan Aplikasi menggunakan Matlab. Yogyakarta: Andi Offset.
Sets, F. (1997). Toward a theory of fuzzy information granulation and its centrality in human reasoning and fuzzy logic, 90, 111–127.
Singh, H., Gupta, M. M., Meitzler, T., Hou, Z., Garg, K. K., Solo, A. M. G., & Zadeh, L. A. (2013). Real-Life Applications of Fuzzy Logic, 2013.
Witten, I. H., Frank, E., & Hall, M. A. (2011). Data Mining: Practical Machine Learning Tools and Techniques 3rd Edition (Vol. 40). Elsevier. https://doi.org/10.1002/1521-3773(20010316)40:6<9823::AID-ANIE9823>3.3.CO;2-C
Wu, X. (2009). The Top Ten Algorithms in Data Mining. (V. Kumar, Ed.). New York: Taylor & Francis Group, LLC.
