Penerapan K-Fold Cross Validation untuk Menganalisis Kinerja Algoritma K-Nearest Neighbor Pada Data Kasus Covid-19 di Indonesia

Abstract

Pandemi Covid-19 telah menjadi tantangan global dalam beberapa tahun terakhir. Virus ini telah mempengaruhi sebagian besar aspek kehidupan manusia, termasuk kesehatan, ekonomi, dan masyarak, Indonesia merupakan salah satu negara terdampak yang saat ini telah memasuki masa endemi. Penelitian ini bertujuan untuk menerapkan metode K-Fold  Cross Validation untuk menganalisis kinerja algoritma K-Nearest Neighbor (K-NN) pada data kasus Covid-19 di Indonesia, sehingga mampu mengukur sejauh mana model K-NN dapat memprediksi kasus Covid-19 dengan akurat. Hasil yang diperoleh dengan menggunakan 30 Fold  cross-validation dan nilai k=5 menunjukkan tingkat akurasi sebesar 68.65% dan nilai kappa sebesar 0.5123. Hasil ini menunjukkan bahwa model K-NN mampu memberikan prediksi yang memadai dan memiliki tingkat kesepakatan yang lebih tinggi. Penelitian ini memberikan pemahaman yang lebih mendalam tentang kinerja algoritma K-NN dalam konteks data kasus Covid-19 di Indonesia, yang dapat digunakan sebagai landasan untuk perbaikan lebih lanjut dalam pemodelan dan pemahaman  pada data kasus Covid-19.

Kata Kunci: K-Fold  Cross Validation, K-Nearest Neighbor (K-NN), Covid-19