Analisis K-Nearest Neighbor dengan K-Fold Cross Validation dan Analytic Hierarchy Process pada Klasifikasi Data

Abstract

This study analyzes the performance of the k-Nearest Neighbor method with the k-Fold Cross Validation algorithm as an evaluation model and the Analytic Hierarchy Process method as feature selection for the data classification process in order to obtain the best level of accuracy and machine learning model. The best test results are in fold-3, which is getting an accuracy rate of 95%. Evaluation of the k-Nearest Neighbor model with k-Fold Cross Validation can get a good machine learning model and the Analytic Hierarchy Process as a feature selection also gets optimal results and can reduce the performance of the k-Nearest Neighbor method because it only uses features that have been selected based on the level of importance for decision making

Penelitian ini menganalisis kinerja metode k-Nearest Neighbor dengan algoritma k-Fold Cross Validation sebagai evaluasi model dan metode Analytic Hierarchy Process sebagai seleksi fitur untuk proses klasifikasi data agar memperoleh tingkat akurasi dan model machine learning yang terbaik. Hasil pengujian terbaik ada pada fold-3 yaitu memperoleh tingkat akurasi 95%. Evaluasi model k-Nearest Neighbor dengan k-Fold Cross Validation dapat memperoleh model machine learning yang baik serta Analytic Hierarchy Process sebagai seleksi fitur juga mendapatkan hasil yang optimal serta dapat meringankan kinerja metode k-Nearest Neighbor karena hanya menggunakan fitur yang telah diseleksi berdasarkan tingkat kepentingan untuk pengambilan keputusan.