IMPLEMENTASI ALGORITMA PARTICLE SWARM OPTIMIZATION(PSO) DAN K-NEAREST NEIGHBOR(K-NN) DALAM MEMPREDIKSI KEBERHASILAN ANAK SMK MENDAPATKAN KERJA

Sari

K-NN merupakan suatu metode supervised yang bertujuan mendapatkan pola baru suatu data dengan menghubungkan pola data sebelumnya dengan yang baru untuk mengklasifikasikan data ke dalam beberapa macam kelas. Kelebihan algoritma K-NN diantaranya sederhana, efektif diterapkan pada data dengan jumlah besar, tangguh terhadap suatu data latih yang noise serta mudah diaplikasikan. Selain kelebihan yang dimiliki K-NN juga terdapat kelemahan yaitu kurang optimal dalam menentukan nilai K. Pada penelitian sebelumnya, penentuan nilai k dilakukan dengan metode try and error, dimana dalam penentuan K nya dilakukan berulang-ulang dan dicoba sampai mendapatkan hasil kinerja yang terbaik. Untuk memperbaiki kinerja K-NN dilakukan perbaikan dengan metode optimasi yaitu PSO. Metode PSO memiliki beberapa kelebihan yaitu sedikit parameter, mudah diterapkan, konvergensi yang cepat, dan sederhana sehingga PSO banyak diterapkan pada optimasi fungsi, optimasi metode konvensional dan klasifikasi pola. Dari eksperimen penelitian yang dilakukan pada metode K-NN dengan menggunakan K=1,2,3,4,5,6,7,8,9,10 dengan perhitungan 10 folds cross validasi didapatkan nilai akurasi tertinggi pada K=7 yaitu sebesar 93.50%, yang dicari dengan metode try and error, selanjutnya pada metode PSOK-NN telah dihitung dan berhenti pada iterasi ke-2 dan didapatkan nilai K optimalnya adalah 7. Jadi dapat disimpulkan bahwa hasil dari metode PSOK-NN dapat dibuktikan bahwa nilai tersebut adalah yang optimal karena pada eksperiment metode K-NN juga di dapatkan nilai akurasi tertingginya adalah pada K=7.