KOMPARASI ALGORITMA C4.5 DAN K-NEAREST NEIGHBOR (K-NN) PADA KLASIFIKASI PENYAKIT ANEMIA

Abstract

Pada penelitian ini, akan menguji pendekatan algoritma Decision Tree dan K-Nearest Neighbor (K-NN) untuk mengklasifikasikan jenis anemia. Tujuan dari penelitian ini adalah untuk mengidentifikasi algoritma mana yang lebih akurat dan memiliki kinerja yang lebih baik dalam hal uji akurasi, presisi, dan recall. Pendekatan pengujian K-fold cross validation pada algoritma C4.5 mencapai akurasi (99,75%), presisi (100%), dan recall (99,50%) yang paling tinggi. Sementara itu, metode K-Nearest Neighbor (K-NN) memperoleh akurasi 89,20%, presisi 86,51%, dan recall 92,88%. Pendekatan Decision Tree C4.5 lebih unggul dari algoritma K-Nearest Neighbor (K-NN) dalam hal mengkategorikan anemia dengan menggunakan K-fold cross validation.