Komparasi Tingkat Akurasi Information Gain Dan Gain Ratio Pada Metode K-Nearest Neighbor

Abstract

Seleksi fitur merupakan salah satu metode yang digunakan untuk memperkecil atau mengurangi dimensi antar atribut sehingga menghasilkan atribut yang relevan, metode ini dianggap bisa mengurangi anomali pada atribut dalam dataset. Metode KNN diangap metode klasifikasi yang tergolong sebagai metode dengan akurasi yang rendah, terlebih lagi apabila dibandingkan dengan metode klasifikasi lain. Penelitian Farid Naufal, 2021 akurasi metode KNN mendapatkan nilai 75,4% sedangkan metode svm mendapatkan nilai 85,7%. Solusi dari permasalahan kecilnya nilai klasifikasi tersebut menggunakan seleksi fitur, teknik ini digunakan untuk mengurangi kompleksitas dari atribut. Pada penelitian ini digunakan teknik seleksi fitur Information Gain dan pengembangannya yaitu Gain Ratio. Teknik gain ratio dianggap lebih baik terlebih ketika dibandingkan dalam pembobotan pada data glass terlihat nilai pembobotan Gain Ratio yang lebih baik dibanding pendahulunya Information Gain.

Perbandingan Kriteria Decision Tree Pada Pengetahuan Masyarakat Pada Pemilihan Umum Presiden Indonesia

“…Proses ini bertujuan untuk menghasilkan nilai bobot atau tingkat kepentingan untuk setiap atribut dalam dataset (M. Adib Al Karomi, Abdul Kharis, 2019). Begitupun pada artikel yang ditulis oleh Fajrian (Fajriyan et al, 2022) kriteria gain ratio mendapatkan hasil yang lebih baik dibandingkan information gain dengan tingkat akurasi perbandingan sebesar 70,06%.…”

“…Gain ratio juga dapat mengurangi bias pada data. Perbaikan data juga merupakan fitur pada garin ratio dengan cara memperbaiki informasi intristik dari atribut yang ada (Fajriyan et al, 2022).…”