Penerapan Genetic Algorithm Weighted K Nearest Neighbour Pada Klasifikasi Data Kategorik (Data Set Jamur)

Penelitian ini membahas mengenai penerapan Genetic Algorithm Weighted K Nearest Neighbour (GA-WKNN) untuk mengklasifikasi data kategorik. Data kategorik yang digunakan adalah data set jamur. Algoritma ini digunakan untuk menemukan bobot optimal yang akan digunakan pada proses klasifikasi agar dapat mengurangi tingkat kesalahan klasifikasi. Pada pengujian Algoritma GA-WKNN ini terdapat 4 parameter pengujian. Pada parameter pertama didapatkan tingkat akurasi terbaik sebesar 96,4% untuk peluang crossover 0.3 dan peluang mutasi 0.5. Pada parameter kedua, didapatkan tingkat akurasi terbaik sebesar 96,4% untuk nilai k (ketetanggaan) 5, jumlah populasi 10 dengan jumlah iterasi 50. Pada parameter ketiga, peningkatan jumlah data latih turut disertai dengan peningkatan nilai akurasi. Pada parameter keempat tingkat akurasi tertinggi Ga-WKNN mencapai 94.4 % sedangkan KNN murni sebesar 88 %. Hasil dari penelitian ini menunjukkan Algoritma GA-WKNN dapat digunakan sebagai metode untuk klasifikasi data kategorik dan memiliki performa yang lebih baik dari pada algoritma KNN murni