ABSTRAKSI: Data mining adalah salah satu cabang keilmuan yang banyak dipakai dalam menggali informasi dari suatu data yang disajikan. Salah satu permasalahan yang sering muncul dalam penggalian informasi itu adalah adanya missing value pada data. Hal ini dapat membuat tingkat keakuratan dari informasi yang didapat menjadi berkurang. Ada beberapa cara untuk mengatasi hal ini. Salah satunya adalah dengan melakukan pengisian terhadap missing value tersebut. Cara ini disebut proses imputasi.
KNN Imputation adalah salah satu metoda imputasi yang dikembangkan dari metode klasifikasi KNN (K-Nearest Neighbour). Metoda ini adalah salah satu metoda imputasi berbasis statistik. Pada intinya metoda ini akan mencoba mengisi missing value dari suatu data dengan mengambil nilai dari tetangga terdekatnya. Pengukuran terhadap performasi metoda ini terhadap proses klasifikasi, yang merupakan salah satu proses dalam data mining akan dianalisis dari precision, recall, dan F-measure saat data diklasifikasi setelah diimputasi. Diharapkan setelah mengalami proses imputasi dengan metoda ini, penggalian informasi terhadap suatu data yang memiliki missing value menjadi lebih baik dan akurat dari sebelumnya.
Kata Kunci : imputasi, KNN Imputation, missing value, klasifikasi
ABSTRACT: Data mining is one of the science branch that used to get information from data. One of it’s problem is missing value. Missing value can make a level of precision in gathering information from a data decrease. There are many ways to handle this case. One of them is fulfill the missing value. It called imputation.
KNN Imputation is one of the imputation methods that come from classify method, K – Nearest Neighbour. This is a statistic based imputation method. This method will try to fill the missing value in a data from it’s nearest neigbour. Measurement of the performance in classification, which is one of the data mining processes, will analyzed with precision, recall, and F-Measure after classification. The hope is the gathering information from a data will increase after taking this imputation process.
Keyword: imputation, KNN Imputation, missing value, classification