Penerapan K-Fold Cross Validation untuk Menganalisis Kinerja Algoritma K-Nearest Neighbor Pada Data Kasus Covid-19 di Indonesia
(1) Universitas Negeri Makssar
(*) Corresponding Author
DOI: https://doi.org/10.35580/jmathcos.v6i2.53043
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
Full Text:
PDFArticle Metrics
Abstract view : 82 times | PDF view : 0 timesRefbacks
- There are currently no refbacks.
Copyright (c) 2023 Journal of Mathematics Computations and Statistics
This work is licensed under a Creative Commons Attribution-NonCommercial-ShareAlike 4.0 International License.
Indexed by:
This work is licensed under a Creative Commons Attribution-NonCommercial-ShareAlike 4.0 International License.