PENCARIAN NILAI k TERBAIK PADA k-NN MENGGGUNAKAN GENETIC ALGORITHM GA DALAM PENANGANAN MISSING VALUE PADA KLASIFIKASI TUBERCULOSIS

Tuberculosis atau tuberkulosis paru merupakan salah satu penyakit pernapasan yang berbahaya yang menyerang paru-paru. Selain itu bakteri TB juga dapat menyerang organ tubuh lain yang biasa disebut dengan TB ekstra paru.rnUpaya agar dapat mengetahui jenis TB yang diderita pasien adalah dengan melalui beberapa pemeriksaan, seperti pendataan umur pasien, jenis kelamin pasien, status HIV pasien, riwayat diabetes pasien, melakukan foto toraks, dan lainnya. Di era teknologi saat ini, proses pengklasifikasian untuk deteksi awal dalam menentukan jenis tuberculosis dapat dibantu dengan menggunakan pengenalan Algoritma Long Short Term Memory LSTM ). Kelemahan dari dataset adalah adanya kelengkapan data yang hilang dari suatu fitur sehingga mempengaruhi nilai dari hasil klasifikasi. Data yang hilang dapat diatasi dengan melakukan imputasi menggunakan k-Nearest Neighboor (k-NN). Namun, metode k-NN memiliki kelemahan dalam pemilihan nilai k yang dapat mempengaruhirnkinerja klasifikasi. Peneliti menggunakan Genetic Algorithm (GA) sebagai optimasi dalam menentukan nilai k terbaik pada k-NN untuk penanganan missing value pada klasifikasi tuberculosis.rnHasil penelitian menunjukkan bahwa nilai terbaik pada parameter GA adalah crossover rate 0.7, mutation rate 0.04, population size 120, dan max generation 1600, yang menghasilkan fitness score terbaik dalam waktu paling singkat. Sementara itu, kombinasi terbaik dari jumlah neuron dan epoch berbeda untuk setiap data imputasi k-NN. Klasifikasi LSTM dengan imputasi k-NN+GA UNIVERSITAS TRUNOJOYO MADURA IIrndianggap lebih baik daripada metode klasifikasi LSTM yang menggunakan imputasi k-NN tanpa optimasi GA, karena dapat mencapai akurasi tertinggi yaitu 98,5756% dengan waktu yang lebih singkat.