Preprocessing data dan analisis kinerja preprocessing data sangat penting dalam data mining. Kedua hal tersebut memiliki dampak besar pada keberhasilan proses data mining, karena keputusan-keputusan yang berkualitas harus didasarkan pada data yang berkualitas. Dengan
preprocessing maka dapat membantu kita untuk meningkatkan kualitas data dan menghapus noise data. Pada penelitian i ni, dibahas bagaimana ki nerja dari algori tma noisy data filtering yaitu iterati ve parti tioning fi lter dengan menggunakan berbagai dataset dari University of
Californi a, Irvine (UCI) Machine Learning Repository dengan variasi parameter iterative partiti oning filter yang dirubah. Penelitian ini juga membahas bagai mana menganalisis hasil klasifikasi dari dataset yang telah di preprocessing menggunakan Backpropagation sehingga
dapat mengi dentifikasi akurasi terbaik dari berbagai dataset yang telah diuji. Hasil akhir dari penelitian ini berupa data tabel hasil eksperimen yang terdiri dari waktu pelati han, akurasi klasifikasi, Kesalahan klasifikasi, Kappa statistic, Mean Absolute Error (MAE) atau rata-rata error per iterasi sesuai dengan data, Root mean squared error dan confusion matrix. Hasil akhir yang ditampil kan juga berupa grafik hasil eksperimen yang dibandingkan dengan parameter
it erati ve partitioning filter yang divariasi.