Perbandingan Algoritma Backpropagation dan K-Nearest Neighbor (K-NN) untuk Identifikasi Penyakit

Abstract

Algoritma Backpropagation dan K-Nearest Neighbor merupakan metode yang digunakan untuk klasifikasi yang bersifat suppervised, dimana kedua metode ini membutuhkan target dari data pola yang akan di latih. Untuk memecahkan masalah klasifikasi, berbagai macam metode telah diterapkan. Dibidang soft computing, mulai banyak dikembangkan juga teknik-teknik klasifikasi. Sehingga proses klasifikasi dapat dilakukan dalam waktu yang relatif lebih cepat dengan menggunakan algoritma klasifikasi yang tepat. Pada paper ini obyek penelitian yang digunakan adalah 10 jenis penyakit dengan gejalan awal demam. Terdapat 82 data pasien yang dibagi untuk data training sebanyak 72 pasien dan sisanya digunakan untuk data testing. Fokus penelitian ini adalah pada tingkat akurasi atau succes ratio yang dihasilkan oleh masing-masing metode. Dari hasil pengujian (testing) 10 data pasien diperoleh informasi bahwa hasil identifikasi terbaik untuk algoritma K-NN dengan menggunakan nilai K=3, K=7 dan K-9 dengan akurasi sebesar 100%, sedangkan untuk algoritma backpropagation diperoleh tingkat akurasi untuk identifikasi penyakit sebesar 90% dengan nilai learning rate 0,1 dan nilai toleransi error sebesar 0,001. Dari hasil pengamatan tersebut maka dapat disimpulkan bahwa algoritma K-NN memberikan hasil identifikasi penyakit yang lebih baik dibandingkan algoritma backpropagation.