Optimasi K-Nearest Neighbor Menggunakan Bat Algorithm Untuk Klasifikasi Penyakit Ginjal Kronis

Abstrak

Penyakit Ginjal Kronis (PGK) merupakan penyakit mematikan dan memerlukan biaya tinggi untuk melakukan hemodialisis setiap minggunya. PGK dapat terjadi karena penyakit ginjal akut yang berlangsung secara berlarut-larut dan tidak dilakukan perubahan pola hidup ataupun pengobatan secara dini. Sehingga masyarakat perlu mengetahui apakah memiliki potensi terserang PGK secara dini. Salah satu cara mengetahui PGK adalah dengan mencocok pola data penderita PGK. K-Nearest Neighbor (KNN) adalah metode yang dapat mencocok atau mengklasifiksikan data berdasarkan kemiripan data yang terdekat. Namun PGK memiliki banyak fitur yang dapat digunakan KNN untuk mengklasifikasikan PGK. Fitur tersebut berupa data kesehatan dan pola hidup penderita PGK. Fitur tersebut sangat banyak dan harus dipilih fitur mana yang paling berpengaruh dan fitur mana yang kurang berpengaruh. Hanya fitur yang paling berpengaruh yang seharusnya digunakan untuk KNN. KNN dapat mengetahui fitur terbaik dengan cara mencoba segala kombinasi fitur PGK. Jika KNN mencoba satu persatu segala kemungkinan memerlukan waktu yang lama. Sehingga KNN perlu adanya modifikasi agar dapat secara otomatis dan efisien mengetahui fitur paling berpengaruh. Bat algorithm (BA) adalah salah satu metode pencarian masalah secara berkala dengan menirukan kebiasaan kelelawar. BA dapat digunakan mencari fitur terbaik PGK pada KNN. BA-KNN atau gabungan BA dan KNN diharapakan dapat mencari dan mengklasifikasikan PGK.