View/Open

Author
IRHAMNA, MAHDI

Date Published
26 Jan 2026

Advisor
Christyan Tamaro Nadeak, S.Si., M.Si.,
Vina Nurmadani, S.Mat, M.Si,

Subject
Sains Data

Publisher

Teknik klasifikasi machine learning banyak dikembangkan oleh peneliti, hal ini karena kemudahan penggunaan dan efektivitas di berbagai domain aplikasi, termasuk kesehatan. Pemilihan fungsi jarak, khususnya parameter power distance (p) pada jarak Minkowski, adalah salah satu faktor utama yang memengaruhi kinerja klasifikasi. Tujuan dari penelitian ini adalah untuk mengkaji bagaimana perubahan parameter power distance p mempengaruhi akurasi klasifikasi algoritma KNN, WKNN, FKNN, dan NCN. Dataset Breast Cancer Wisconsin (Diagnostic), yang terdiri dari 569 sampel dengan 30 fitur numerik digunakan dalam penelitian ini. Fitur yang besar mempengaruhi hasil akurasi, maka penelitian ini menggunakan PCA, untuk menseragamkan data menggunakakan Standard Scaler, serta data dibagi dengan rasio 80:20. Konfigurasi setiap komponen PCA dan parameter p diuji. Hasil penelitian ini menunjukkan bahwa komponen PCA dimensi 1, 2, dan 3 serta perubahan parameter p berdampak pada akurasi klasifikasi. Namun demikian, nilai p yang ideal cenderung stabil pada p = 1 dan p = 2 untuk semua model seiring meningkatnya jumlah komponen PCA.

URI
https://repo.itera.ac.id/depan/submission/SB2602040057

Keyword
Pengaruh Power Distance (p) Terhadap Akurasi Klasi