OPTIMASI GENETIC ALGORITHM MELALUI PENANGANAN INCOMPLETE DATA DAN REDUKSI

Kanker serviks adalah keganasan ginekologis terkemuka di seluruh dunia. penelitian ini menyajikan teknik optimasi dan menunjukkan pemilihan fitur untuk kombinasi atribut terbaik dalam resiko penyakit kanker serviks. Ada tiga puluh dua atribut dengan delapan ratus lima puluh delapan sampel. Selain itu, data ini juga memiliki nilai yang tidak lengkap karena masalah privasi responden dan data ketidakseimbangan. Oleh karena itu, digunakan Teknik preprocessing dengan metode regression imputation dan normalisasi data. Selanjutnya, teknik reduksi atribut dengan metode optimum index factor (OIF) diperlukan untuk meningkatkan akurasi hasil. Hasil penelitian menunjukkan bahwa perbandingan optimasi dengan reduksi dan tanpa reduksi atribut memiliki selisih 1%. optimasi dengan tanpa reduksi atribut di dapat hasil 95% sedangkan hasil dengan reduksi atribut adalah 94%.