Analisis Dampak Penerapan Metode Diskretisasi Data terhadap Performa Diagnosis Penyakit Liver Berbasis K-Nearest Neighbor

Akurasi selalu menjadi isu penting dalam klasifikasi data. Semakin tinggi akurasi suatu metode klasifikasi, semakin baik hasil klasifikasinya. Dalam kasus diagnosis penyakit liver, metode K-Nearest Neighbor (KNN) menunjukkan akurasi yang tinggi. Tentu akan sangat baik apabila performa KNN ini dapat ditingkatkan. Dengan begitu, diharapkan diagnosis yang dihasilkan oleh KNN akan semakin akurat.
Dalam penelitian Tugas Akhir ini, himpunan data pasien penyakit liver diklasifikasikan menggunakan KNN. Klasifikasi dilakukan terhadap himpunan data asli dan himpunan data yang telah terlebih dahulu melalui proses diskretisasi berbasis entropy. Kemudian, akurasi klasifikasi himpunan data asli dibandingkan dengan akurasi klasifikasi himpunan data terdiskretisasi. Hal ini dimaksudkan untuk melihat dampak penerapan diskretisasi berbasis entropy terhadap akurasi diagnosis penyakit liver berbasis KNN.
Dari uji coba yang dilakukan, terlihat bahwa akurasi klasifikasi himpunan data terdiskretisasi lebih tinggi daripada akurasi klasifikasi himpunan data asli pada seluruh nilai k yang diuji (1, 3, 5, 7, 9, 11, 13 dan 15). Oleh karena itu, disimpulkan bahwa penerapan diskretisasi berbasis entropy mampu meningkatkan akurasi diagnosis penyakit liver berbasis KNN. Peningkatan yang diperoleh mulai dari 1,03% hingga 4,8%. Adapun akurasi tertinggi diperoleh pada klasifikasi himpunan data terdiskretisasi dengan nilai k = 13, yakni sebesar 71,7%.