Analisis Penerapan Normalisasi Data Dengan Menggunakan Z-Score Pada Kinerja Algoritma K-NN

(1)

JURIKOM (Jurnal Riset Komputer), Vol. 9 No. 4, Agustus 2022 e-ISSN 2715-7393 (Media Online), p-ISSN 2407-389X (Media Cetak) DOI 10.30865/jurikom.v9i4.4526

Hal 872−876 http://ejurnal.stmik-budidarma.ac.id/index.php/jurikom

Analisis Penerapan Normalisasi Data Dengan Menggunakan Z-Score Pada Kinerja Algoritma K-NN

Raditya Galih Whendasmoro^1,*, Joseph²

Prodi Studi Sistem Informasi, Universitas Bung Karno, Jakarta, Indonesia Email: ^1,*[email protected], ²[email protected]

Email Penulis Korespondensi: [email protected] Submitted 21-07-2022; Accepted 19-08-2022; Published 30-08-2022

Abstrak

Banyaknya volume informasi pada data menyebabkan banyaknya data yang tersimpan pada dataset. Dataset terdidir dari berbagai macam atribut dan nilai atribut yang dimana terdapat kandungan informasi yang tersimpan pada dataset tersebut. Data mining merupakan proses yang dapat dipergunakan untuk pencarian informasi pada dataset. Namun permasalahan yang dihadapi pada dataset sering didapati data yang tidak normal seperti range nilai yang terlalu jauh dan berbeda – beda antar atribut dataset. Range nilai yang terlalu jauh menyebabkan hasil informasi yang didapatkan tidaklah optimal, pada data mining sendiri proses atau hasil yang baik berdasarkan dengan kualitas data yang tersimpan pada dataset. Normalisasi data merupakan tahapan pada praproses, dimana pada normalisasi data dilakukan penskalaan kembali terhadap range nilai pada atribut. Z-Score Normalization merupakan salah satu teknik statistika yang dapat dipergunakan pada data mining untuk melakukan praproses data dengan cara melakukan transformasi data. Z- Score Normalizatioan dapat dikombinasikan dengan teknik klasifikasi data mining, dimana peranan Z-Score Normalization untuk melakukan normalisasi data yang berguna untuk meningkatkan kinerja algortima klasifikasi data mining khususnya algoritma K-NN pada penelitian ini. Hasil penelitian yang didapatkan bahwasannya Z-Score Normalization berguna untuk meningkatkan kinerja dari pada algoritma K-NN. Hal tersebut dapat dilihat dari peningkatan nilai akurasi yang didapatkan dari proses K-NN sebelum dilakukan normalisasi pada dataset dengan sesudah dilakukan normalisasi pada dataset. Nilai akurasi berturut – turut sebelum dilakukan normalisasi dataset yaitu 95,13%, 95,83%, 96,11%, 95,77% dan 95,81% setelah dilakukan normalisasi dataset terdapat peningkatan nilai akurasi yaitu 97,87%, 98,57%, 98,77%, 97,23% dan 98,11%.

Kata Kunci: Data Mining; Normalisasi; Data; Z-Score; K-NN Abstract

The large volume of information in the data causes a lot of data to be stored in the dataset. The dataset consists of various attributes and attribute values which contain information stored in the dataset. Data mining is a process that can be used to search for information on datasets. However, the problems encountered in the dataset are often found to have abnormal data such as the range of values that are too far and different between dataset attributes. The value range that is too far causes the results of the information obtained to be not optimal, in data mining itself the process or results are good based on the quality of the data stored in the dataset. Data normalization is a preprocessing stage, where data normalization is scaled back to the range of values in the attribute. Z-Score Normalization is a statistical technique that can be used in data mining to preprocess data by performing data transformations. Z-Score Normalization can be combined with data mining classification techniques, where the role of Z-Score Normalization is to normalize data which is useful for improving the performance of data mining classification algorithms, especially the K-NN algorithm in this study. The results of the study show that Z-Score Normalization is useful for improving performance than the K-NN algorithm. This can be seen from the increase in the accuracy value obtained from the K-NN process before normalizing the dataset and after normalizing the dataset. The accuracy values respectively before normalizing the dataset were 95.13%, 95.83%, 96.11%, 95.77% and 95.81% after normalizing the dataset there was an increase in the accuracy value, namely 97.87%, 98, 57%, 98.77%, 97.23% and 98.11%.

Keywords: Data Mining; Normalization; Data; Z-Score; K-NN

1. PENDAHULUAN

Dimasa kemajuan teknologi yang berkembang sangat pesat sekarang ini menyebabkan meningkatnya volume informasi pada sebuah data. Hal tersebut dikarenakan banyaknya variasi terhadap format terhadap proses pada informasi data tersebut. Besarnya volume data biasanya tersimpan pada sebuah gudang penyimpanan data atau biasa disebut dengan dataset / data warehouse. Secara umum dataset dapat diartkan sebagai kumpulan dari berbagai macam objek data dan juga atribut – atribut data yang saling berhubungan dan berkaitan antara satu dan lainnya untuk mendapatkan sebuah informasi.

Kualitasi dari sebuah dataset dapat dilihat dari informasi yang dihasilkan pada proses pengolahan data.

Data mining adalah proses dari sekumpulan data yang cukup kompleks dimana didalamnya memiliki volume data dengan jumlah yang cukup besar terdiri dari data terstruktur, semi-terstruktur ataupun tidak terstruktur. Sekarang ini peranan data mining sangatlah penting, big data bukan hanya sebagai pengolahan data tetapi informasi – informasi yang dihasilkan pada data mining dapat dimanfaatkan oleh berbagai kalangan seperti sektor bisnis, pendidikan dan juga pada bidang penelitian.

Namun pada data mining dan terkhususnya pada dataset, informasi atau data yang tersimpan tidaklah selamanya dalam bentuk yang normal, pada dataset sering didapati data yang sangat acak. Data acak yang dimaksud berupa

(2)

data mining, tujuan lain dari praproses yang dilakukan pada dataset yakni mempersiapkan data secara matang sebelum dilakukan proses pengolahan untuk mendapatkan informasi. Banyak cara yang dapat dilakukan pada tahapan praproses data seperti menghapus data, mengintegrasikan data, melakukan reduksi data dan juga melakukan perubahan data. Selain dari itu, juga terdapat proses lainnya yaitu normalisasi data.

Normalisasi data merupakan juga bagian dari pada praproses data, pada normalisasi dilakukan penskalaan kembali terhadap nilai – nilai yang tersimpan pada dataset yang membuat proses pengolahan menjadi lebih mudah. Proses normalisasi data diperlukan dikarenakan sering sekali pada dataset terdapat rentang nilai yang berbeda – beda pada setiap atribut. Perbedaan rentang nilai yang cukup jauh dari atribut – atribut yang ada menyebabkan tidak berfungsinya secara optimal peranan atribut pada dataset. Maka sekiranya perlu dilakukan perubahan data berupa normalisasi data dengan menggunakan beberapa cara seperti min max dan cosine normalization[1], [2]. Pada penelitian ini normalisasi data yang dilakukan dengan menggunakan Z-Score.

Z-Score normalization merupakan bagian dari pada teknik statistika yang dapat dipergunakan pada big data. Z- Score sering juga disebut dengan nilai baku ataupun juga nilai standar. Z-Score secara umum dipergunakan pada data mining untuk menemukan data yang merupakan bagian dari outlier data. Pada Z-Score dilakukan transformasi atau perubahan data dengan menghasilkan range nilai yang baru bedasarkan dengan range nilai yang sudah ada sebelumnya pada dataset. Pada Z-Score nilai baru yang dihasilkan berdasarkan dengan perbedaan yang dimiliki dari nilai rata – rata dan juga nilai standar deviasi[3].

Penelitian sebelumnya yang dilakukan oleh Gde Agung Brahmana Suryanegara, dkk pada tahun 2021 didapatkan hasil bahwasannya terdapat peningkatan kinerja algoritma setelah dilakukan normalisasi data[4]. Ditahun yang sama juga telah dilakukan penelitian oleh Henderi, dkk dengan hasil penelitian dengan menerapkan algortima Z-Score untuk proses normalisasi data tingkat akurasi yang didapatkan dari proses klasifikasi mengalami peningkatan[5].

Pada data mining terdapat banyak proses yang dilakukan untuk menghasilkan informasi. Salah satu cara yang dipergunakan pada data mining yaitu klasifikasi. Kalsifikasi merupakan proses pengelompokan informasi pada dataset berdasarkan dengan kriteria – kriteria ataupun atribut tertentu untuk menghasilkan sebuah kelas. Proses pada klasifikasi sangat bergantung terhadap pengelompokan dan nilai – nilai yang terdapat pada data, perbedaan range nilai yang sangat jauh antar setiap atribut akan menyebabkan hasil yang didapatkan juga tidak maksimal. Pengukuran hasil kinerja pada proses klasifikasi dapat dilakukan berdasarkan dengan tingkat akurasi yang didapatkan dari proses klasifikasi yang dilakukakan. Banyak metode ataupun algoritma yang digunakan pada proses klasifikasi seperti Decision Tree ataupun juga Naïve Bayes Classifier. Selain dari algoritma tersebut juga terdapat algoritma lainnya yang dapat dipergunakan untuk proses klasifikasi yaitu K-Nearest Neighbor (K-NN).

Algoritma K-Nearest Neighbor (K-NN) merupakan sebuah algoritma yang dipergunakan pada proses klasifikasi data mining berdasarkan dengan kedekatan terhadap objek yang baru atau tertangga terdekatnya. Banyaknya tetangga terdekat (K) memiliki pengaruh terhadap proses pengambilan keputusan pada algoritma K-NN. K-NN sendiri merupakan bagian dari pada algoritma terpelajar (supervised learning) yang artinya pada dataset diharuskan memiliki target ataupun kelas, pada K-NN penentuan nilai K berdasarkan dengan perhitungan nilai euclidean distance[6].

Pada tahun 2018 telah dilakukan penelitian oleh Sitti Harlina dengan penelitian yang didapatkan hasil eksperimen menunjukkan bahwa K-nn dalam melakukan klasifikasi risiko kredit memiliki nilai akurasi sebesar 73,60%[7]. Penelitian lainnya yang dilakukan oleh Dita Noviana, dkk pada tahun 2019 didapatkan hasil bahwa algoritma K-NN menunjukkan akurasi dan eror algoritma k-NN sebesar 90.7% dan 9.3% dimana hasil tersebut merupakan akurasi terbesar dibandingkan dengan algoritma lainnya[8]. Dan pada tahun 2020 dilakukan penelitian oleh Tupan Tri Muryono dan Irwansyah dengan hasil penelitian dari hasil evaluasi dan validasi menggunakan k-5 fold yang telah dilakukan menggunakan tools RapidMiner diperoleh hasil akurasi tertinggi dari Metode K-Nearest Neighbor (K-NN) sebesar 93.33%[9].

Peranan normalisasi data pada algoritma K-NN sangatlah penting, hal tersebut didasarkan dengan proses perhitungan jarak diantar setiap objek yang tersimpan pada dataset. Jika jarak nilai ataupun range nilai pada setiap atribut dataset memiliki rentang yang sangat besar, tentu saja akan menyebabkan proses perhitungan jarak euclidean distance tidaklah optimal. Perhitungan jarak yang tidak optimal akan menyebabkan hasil yang didapatkan juga tidak maksimal dan dapat dikatakan dataset yang dipergunakan tidaklah memiliki kualitas yang baik. Maka dari itu, pada penelitian ini akan dilakukan sebuah proses normalisasi data pada dataset yang berguna untuk meningkatkan dari pada kinerja klasifikasi algoritma K-NN.

2. METODE PENELITIAN

2.1 Kerangka Kerja Penelitian

Kerangka kerja penelitian merupakan sebuah kerangka dari tahapan proses yang dilakukan pada penelitian, dimana tahapan tersebut dari proses identifikasi hingga proses dokumentasi.

(3)

Gambar 1. Kerangka Kerja Penelitian

Pada gambar 1. tersebut dapat dilihat tahapan proses dari pelaksanaan penelitian, dimana proses terdapat 9 tahapan dimulai dari identifikasi masalah dan diakhiri dengan penarikan kesimpulan.

2.2 Data Mining

Data mining merupakan proses pengolahan data sehingga didapatkan informasi didalamnya. Pada data mining terdapat proses analisis dan juga peninjauan kembali terhadap data yang tersimpan pada dataset atau data warehouse. Proses analisis pada data mining untuk menemukan sebuah pola ataupun hubungan yang terkandung pada data yang tersimpan pada dataset[10].

Data mining sendiri merupakan sebuah teknik yang terdiri dari berbagai macam bidang keilmuan seperti statistik, kesehatan, dan lain sebagainya untuk menjalankan proses pada pembelajaran mesin, pengenalan terhadap pola dan juga visualisasi terhadap data.

2.3 Z-Score Normalization

Z-score normalization adalah suatu metode normalisasi yang hasilnya didapatkan dari nilai rata-rata dan standar deviasi dari data. Metode ini mempunyai nilai yang stabil terhadap outlier maupun adanya nilai yang lebih besar dari maksA atau lebih kecil dari minA. Zscore normalization dapat dihitung menggunakan rumus berikut:

Z = ^{𝑥− 𝑥̅}

𝜎 (1)

2.4 Algoritma K-Nearest Neighbor (K-NN)

Algoritma K-NN selalu diawali dengan pencarian nilai K, kemudian di lakukan penghitungan pada data uji dan data latih.

Nearest Neighbor adalah pendekatan untuk mencari kasus dengan menghitung kedekatan antara kasus baru dengan kasus lama, yaitu berdasarkan pada pencocokan bobot dari sejumlah fitur yang ada K-nearest neighbor (K-NN) termasuk kelompok instance-based learning. Algoritma ini juga merupakan salah satu teknik lazy learning. K-nn dilakukan dengan mencari kelompok k objek dalam data training yang paling dekat (mirip) dengan objek pada data baru atau data testing.

Ada banyak cara untuk mengukur jarak kedekatan antara data baru dengan data lama (data training), diantaranya euclidean distance dan manhattan distance (city block distance), yang paling sering digunakan adalah euclidean distance

D1 = √(𝑎1− 𝑏1)²+ (𝑎2− 𝑏2)²+ (𝑎𝑛− 𝑏𝑛)² (2) 2.5 Dataset

Dataset yang dipergunakan merupakan dataset penyakit stroke yang berasal dari UCI Repository Machine Learning. Pada dataset tersebut memilik 10 atribut dan juga 5110 record yang memiliki rentang nilai berbeda – beda. Pada dataset terdapat

(4)

3 Hypertension Atribut

4 Hear_Disease Atribut

5 Ever_Married Atribut

6 Work_Type Atribut

7 Residence_Type Atribut 8 Avg_Glucose_Level Atribut

9 BMI Atribut

10 Smoking_Status Atribut

11 Stroke Kelas

Pada tabel 1 dapat dilihat bahwasannya dataset penyakit stroke tersebut memiliki 10 atribut didalamnya dan juga memiliki 1 kelas. Dari atribut dan kelas itu nantinya akan dilakukan proses klasifikasi hingga mendapatkan tingkat akurasi dari kualitasi dataset.

3. HASIL DAN PEMBAHASAN

3.1 Analisa Masalah

Dimasa sekarang ini pertumbuhan informasi sangatlah cepat, informasi – informasi yang ada tersimpan pada sebuah tempat penyimpanan ataupun biasa disebut dengan dataset. Peranan dataset cukuplah penting, hal tersebut dapat dilihat dari proses pengolahan yang dilakukan pada dataset akan menghasilkan informasi baru ataupun pengetahuan baru yang nantinya dapat dipergunakan oleh pihak yang menggunakan data tersebut.

Data mining merupakan proses terhadap sekumpulan data yang cukup kompleks dengan terdapat berbagai macam atribut didalamnya dan saling terhubung antar lainnya untuk menyusun sebuah data yang tersetrukutr ataupun tidak terstruktur. Namun proses data mining pada dataset tidak senantiasa berlangsung dengan baik, kadang kala dataset memiliki beragam jenis data didalamnya dan juga terdapat range nilai yang cukup jauh diantara atribut – atribut.

Perbedaan range pada data tentunya akan mempengaruhi terhadap hasil yang didapatkan, dataset dikatakan berkualitas jika hasil yang didapatkan jugalah berkualitas. Perbedaan range yang cukup jauh pada dataset hendaknya harus diselesaikan, hal tersebut merupakan sebuah permasalahan yang dihadapi terkhususnya pada proses tertentu di data mining. Normalisasi data merupakan sebuah cara yang dapat dilakukan untuk mengatasi permasalahan juga kendala terhadap range data yang cukup jauh.

Normalisas dilakukan dengan melakukan perubahan skala data yang lama menjadi data yang baru bedasarkan dengan nilai rata – rata data dan juga nilai standar deviasi data. Z-Score merupakan sebuah teknik yang dapat dipergunakan untuk proses normalisasi pada dataset. Tujuan dari Z-Score bukan hanya untuk melakukan normalisasi data, tetapi juga bertujuan untuk meningkatkan kinerja dari proses klasifikasi pada data mining.

3.1.1 Penerapan Algoritma

Penelitian dilakukan dengan menggunakan dataset penyakit stroke yang berasal dari UCI Repository Machine Learning.

Pada dataset penyakit stroke tersebut terdapat 10 atribut didalamnya dan juga 5110 record isian data. Proses yang akan dilakukan disini nantinya akan dibagi terhadap 2 tahapan pengujian yaitu pengujian sebelum dilakukan normalisasi dan juga pengujian setelah dilakukan normalisasi data. Setiap tahapan pengujian dilakukan kedalam 4 kategori yang berbeda, dimana pengujian pada algoritma K-NN membagi data menjadi data uji dan data latih dengan 5 nilai K [401, 501, 601, 701, 801].

Tabel 2. Hasil Pengujian Algoritma K-NN Tanpa Normalisasi No Nilai – K Akurasi

1 401 95,13%

2 501 95,83%

3 601 96,11%

4 701 95,77%

5 801 95,81%

Dari tabel 2 dapat dilihat dari proses kinerja algoritma K-NN sebelum dilakukannya normalisasi pada dataset, pada tabel tersebut dapat dilihat masing - masing tingkat akurasi untuk nilai K = 401 nilai akurasi yang didapatkan adalah 95,13%. Untuk nilai K = 501 didapatkan nilai akurasi sebesar 95,83%. Untuk nilai K = 601 nilai akurasi yang didapatkan sebesar 96,11%. Pada proses dengan nilai K = 701 didapatkan akurasi sebesar 95,77% dan pada nilai K = 801 didapatkan tingkat akurasi sebesar 95,81%.

Kemudian setelah dilakukan proses klasifikasi pada dataset dengan algoritma K-NN selanjutnya dapat dilakukan proses normalisasi dataset terlebih dahulu dan kemudian melakukan proses klasifikasi kembali dengan algoritma K-NN.

Tabel 3. Hasil Pengujian Algoritma K-NN Dengan Dilakukan Normalisasi Z-Score No Nilai – K Akurasi

(5)

1 401 97,87%

2 501 98,57%

3 601 98,77%

4 701 97,23%

5 801 98,11%

Dari tabel 3 dapat dilihat dari proses kinerja algoritma K-NN setelah dilakukannya normalisasi pada dataset, pada tabel tersebut dapat dilihat masing - masing tingkat akurasi untuk nilai K = 401 nilai akurasi yang didapatkan adalah 97,87%. Untuk nilai K = 501 didapatkan nilai akurasi sebesar 98,57%. Untuk nilai K = 601 nilai akurasi yang didapatkan sebesar 98,77%. Pada proses dengan nilai K = 701 didapatkan akurasi sebesar 97,23% dan pada nilai K = 801 didapatkan tingkat akurasi sebesar 98,11%. Untuk mempermudah terhadap pembacaan data maka dapat dilihat tabel pembahasan berikut

Tabel 4. Hasil Pengujian Algoritma K-NN Dengan Dilakukan Normalisasi Z-Score No Nilai – K Akurasi Tanpa Z-Score Akurasi Dengan Z-Score

1 401 95,13% 97,87%

2 501 95,83% 98,57%

3 601 96,11% 98,77%

4 701 95,77% 97,23%

5 801 95,81% 98,11%

Pada tabel 4 dapat dilihat hasil perbandingan akurasi yang didapatkan dari 2 tahapan proses yang berbeda. Dari tabel tersebut dihasilkan sebuah kesimpulan bahwasannya Z-Score Normalisasi memiliki peran yang cukup penting pada proses peningkatan kinerja algortima K-NN. Hal tersebut dapat dilihat dari peningkatan nilai akurasi yang didapatkan disetiap proses yang dilakukan.

4. KESIMPULAN

Setelah dilakukan tahapan pembahasan pada penelitian, maka tahapan akhir yang dilakukan pada penelitian berupa kesimpulan. Pada penelitian yang dilakukan dapat dibuatkan beberapa kesimpulan bahwasannya Z-Score Normalisasi dapat dipergunakan untuk proses normalisasi data. Z-Score Normalisasi dapat dikombinasikan dengan algoritma klasfikasi data mining untuk peningkatan kinerja algortima klasifikasi data mining terkhususnya algoritma K-NN.

Peningkatan kinerja algoritma K-NN oleh Z-Score Normalisasi dapat dilihat dari peningkatan tingkat akurasi dari sebelum dilakukan normalisasi data dengan sesudah dilakukan normalisasi data dimana pada setiap proses pengujian terdapat peningkatan nilai akurasi.

REFERENCES

[1] C. Luo, J. Zhan, X. Xue, L. Wang, R. Ren, and Q. Yang, “Cosine normalization: Using cosine similarity instead of dot product in neural networks,” Lect. Notes Comput. Sci. (including Subser. Lect. Notes Artif. Intell. Lect. Notes Bioinformatics), vol. 11139 LNCS, pp. 382–391, 2018, doi: 10.1007/978-3-030-01418-6_38.

[2] D. A. Nasution, H. H. Khotimah, and N. Chamidah, “Perbandingan Normalisasi Data untuk Klasifikasi Wine Menggunakan Algoritma K-NN,” Comput. Eng. Sci. Syst. J., vol. 4, no. 1, p. 78, 2019, doi: 10.24114/cess.v4i1.11458.

[3] S. Z. Rosiana and N. Laily, “Analisis Altman Z-Score Untuk Memprediksi Kebangkrutan Perusahaan Kabel Di Indonesiaanalisis Altman Z-Score Untuk …,” J. Ilmu dan Ris. …, vol. 7, no. 1, 2018, [Online]. Available:

http://jurnalmahasiswa.stiesia.ac.id/index.php/jirm/article/view/533.

[4] Gde Agung Brahmana Suryanegara, Adiwijaya, and Mahendra Dwifebri Purbolaksono, “Peningkatan Hasil Klasifikasi pada Algoritma Random Forest untuk Deteksi Pasien Penderita Diabetes Menggunakan Metode Normalisasi,” J. RESTI (Rekayasa Sist. dan Teknol. Informasi), vol. 5, no. 1, pp. 114–122, 2021, doi: 10.29207/resti.v5i1.2880.

[5] Henderi, T. Wahyuningsih, and E. Rahwanto, “Comparison of Min-Max normalization and Z-Score Normalization in the K- nearest neighbor (kNN) Algorithm to Test the Accuracy of Types of Breast Cancer,” IJIIS Int. J. Informatics Inf. Syst., vol. 4, no. 1, pp. 13–20, 2021, doi: 10.47738/ijiis.v4i1.73.

[6] M. R. A. Nasution and M. Hayaty, “Perbandingan Akurasi dan Waktu Proses Algoritma K-NN dan SVM dalam Analisis Sentimen Twitter,” J. Inform., vol. 6, no. 2, pp. 226–235, 2019, doi: 10.31311/ji.v6i2.5129.

[7] S. Harlina, “Data Mining Pada Penentuan Kelayakan Kredit Menggunakan Algoritma K-Nn Berbasis Forward Selection Data Mining on Credit Feasibility Determination Using K-Nn Algorithm Based on Forward Selection,” CCIT J., vol. 11, no. 2, pp.

236–244, 2018, doi: 10.33050/ccit.v11i2.591.

[8] D. Noviana, Y. Susanti, and I. Susanto, “Analisis Rekomendasi Penerima Beasiswa Menggunakan Algoritma K-Nearest Neighbor (K-NN) dan Algoritma C4.5,” Semin. Nas. Penelit. Pendidik. Mat. 2019 UMT, pp. 79–87, 2019.

T. T. Muryono and I. Irwansyah, “Implementasi Data Mining Untuk Menentukan Kelayakan Pemberian Kredit Dengan