PERBANDINGAN KINERJA METODE GENETIC ALGORITHM K-NEAREST NEIGHBOR DENGAN LEARNING VECTOR QUANTIZATION PADA KLASIFIKASI PENERIMA VAKSINASI DI PUSKESMAS PARUMPANAI KABUPATEN LUWU TIMUR

Penyebaran coronavirus (COVID-19) dimulai pada akhir 2019. Vaksinasi merupakan salah satu upaya pemerintah untuk memutus penyebaran COVID-19. Penerima vaksin harus memenuhi kriteria tertentu untuk memperoleh vaksinasi agar terhindar dari komplikasi. Komplikasi dapat dicegah dengan melakukan pengklasifikasian ke dalam kelompok yang dapat dan tidak dapat menerima vaksinasi. Penelitian ini bertujuan untuk mengetahui perbandingan kinerja dua metode klasifikasi pada data penerima vaksinasi COVID-19 di Puskesmas Parumpanai Kabupaten Luwu Timur. Metode klasifikasi yang digunakan adalah metode K-Nearest Neighbor dengan seleksi fitur Genetic Algorithm dan metode Learning Vector Quantization. Klasifikasi menggunakan metode K-Nearest Neighbor dengan seleksi fitur Genetic Algorithm menghasilkan akurasi 96%, presisi 98% dan sensitivitas 96%. Sedangkan klasifikasi dengan metode Learning Vector Quantization menghasilkan akurasi 95%, presisi 97% dan sensitivitas 96%. Dari perhitungan kinerja tersebut, dapat disimpulkan bahwa metode klasifikasi K-Nearest Neighbor dengan seleksi fitur Genetic Algorithm memiliki kinerja yang lebih baik dibandingkan metode klasifikasi Learning Vector Quantization pada klasifikasi penerima vaksinasi COVID-19 di Puskesmas Parumpanai Kabupaten Luwu Timur.