ABSTRAKSI:
Nearest neighbor adalah algoritma klasifikasi yang bekerja dengan cara melakukan perbandingan antara suatu kasus baru dengan contoh-contoh sebelumnya. Masalah utama yang dihadapai oleh Nearest neighbor adalah mahalnya biaya komputasi, hal ini dikarenakan Nearest neighbor menyimpan semua record didalam data latih.
NNGE merupakan perluasan dari Nearest neighbor dengan memperkenalkan konsep exemplar. Tujuan dari penggunaan exemplar adalah untuk mempercepat proses klasifikasi namun tidak mengurangi akurasinya. IB3 menggunakan filter untuk menentukan apakah suatu record akan digunakan atau tidak, tujuan dari penggunaan filter adalah untuk mempercepat proses klasifikasi. IB3 memperkenalkan pendekatan statistik untuk menentukan apakah suatu instance akan digunakan pada proses klasifikasi.
NNGEs merupakan kombinasi antara NNGE dan IB3. NNGEs diprediksi akan memiliki akurasi yang jauh lebih baik dari NNGE dan NNGEs
Tugas Akhir ini akan melakukan penelitian untuk mengetahui algoritma klasfikasi terbaik dari NNGE, IB3 dan NNGEs. Hasil dari penelitian menunjukkan bahwa NNGEs memiliki akurasi terbaik disetiap dataset. Sedangakan IB3 dan NNGE bekerja baik pada dataset dengan karakteristik tertentu. IB3 memiliki waktu pembangunan model dan klasifikasi tercepat.Kata Kunci : Nearest Neighbor, NNGE, IB3, NNGEsABSTRACT:
Abstract Nearest neighbour is a classification algorithm that learns by comparing each new case to previous examples. In the nearest neighbour algorithm, all instances are generally stored in memory during training. When a new query instance is received the memory is searched to find the instance that matches the query instance most closely. The main problem is computationally expensive classifiers since Nearest neighbour save all training instances.
NNGE extends on nearest neighbour by introducing exemplar. The purpose uses exemplar is to reduced classification time without sacrificing akurasi. IB3 applies an akurasi filter on instances and does not use an instance in classifying decisions until it has proved itself to be worthy of being used in the decision making process. IB3 uses filter to reduced classification time.
NNGEs is variant of NNGE that integrate a statistical approach adopted from IB3. NNGEs is predicted will perform better than NNGE and IB3.
This paper deals with the research to know the best classification algorithm from NNGE, IB3 and NNGEs. The outcome of the research shows that the NNGEs indeed have better akurasi in all dataset. NNGE and IB3 have an acceptable performance in specific dataset. IB3 has the fastest time for building model and classifying data.Keyword: Nearest Neighbor, NNGE, IB3, NNGEs