ANALISIS DAN IMPLEMENTASI KLAESA - NEAREST NEIGHBORS

ABSTRAKSI: Klasifikasi adalah salah satu fungsionalitas dalam data mining yang sering digunakan untuk menemukan suatu set rule yang menjelaskan atau membedakan kelas data. Salah satu algoritma yang sering digunakan untuk proses klasifikasi adalah algoritma K Nearest Neighbors (KNN). Namun karena kekurangan yang dimiliki oleh KNN dalam memproses large dataset maka diajukan satu algoritma perbaikan yaitu LAESA dimana dapat mempercepat waktu dan diharapkan tidak merubah akurasi dari KNN. Hasil dari kLAESA secara signifikan dapat mengurangi waktu kerja dari proses kNN. Pada percobaan yang dilakukan kLAESA memangkas waktu hingga 70 persen. Akurasi yang dihasilkan oleh kLAESA sangatlah baik pada data – data besar hampir menyamai akurasi dari KNN.Kata Kunci : klasifikasi, algoritma LAESA, k-NN, Text miningABSTRACT: Classification is one of functionality in data mining that often used to find a set of rules that describe or distinguish data classes. One of the algorithm that are often used for the classification process is the algorithm of K Nearest Neighbors (kNN). However, due to lack kNN in processing large datasets, then we proposed an algorithm that called LAESA where improvements can speed up the time and is expected not to change the accuracy of kNN.Keyword: Classification, LAESA, k-NN, Text minin