Comparison of k-Nearest Neighbor and Support Vector Machine using Binary Dragonfly Algorithm Optimization

Abstract

BDA merupakan adaptasi dari Dragonfly Algorithm (DA) yang bertujuan untuk mengoptimalkan komputasi permasalahan single-objecivet, discrete, dan multi-objective. Penggabungan algoritma optimasi BDA dengan algoritma klasifikasi KNN dan SVM bertujuan untuk meningkatkan kinerja model prediksi. Penelitian ini bertujuan membandingkan dan menguji keakuratan akurasi dari algoritma KNN dan SVM terhadap dataset diabetes yang digunakan pada penelitian untuk mengetahui algoritma terbaik dalam memprediksi diabetes. Penelitian ini menggunakan algoritma optimasi BDA untuk menyeleksi fitur-fitur terbaik pada dataset, kemudian algoritma klasifikasi KNN dan SVM, dalam mengklasifikasikan data, memprediksi, dan membandingkan keakuratan akurasi dari kedua algoritma terhadap dataset diabetes. Data rekam medis dari pengidap diabetes diolah menggunakan algoritma KNN dan SVM, yang kemudian akan menghasilkan tingkat akurasi yang dapat digunakan dalam memprediksi diabetes. Penelitian terdahulu, telah melakukan perbandingan antara algoritma-algoritma klasifikasi dalam memprediksi penyakit diabetes. Pada penelitian terdahulu diatas belum ada yang menggabungkan BDA dengan algoritma klasifikasi, karena BDA sendiri merupakan suatu metode yang relatif baru dan belum banyak diteliti, sehingga peneliti menggunakan algoritma optimasi ini. Hasil dari penelitian yang dilakukan mendapatkan hasil akurasi tertinggi pada algoritma BDA + KNN dengan