PERBANDINGAN KLASIFIKASI PENYAKIT STROKE MENGGUNAKAN ALGORITMA K-NEAREST NEIGHBOR (KNN) DAN ARTIFICIAL NEURAL NETWORK (ANN)

Situmorang, Carlos (2025) PERBANDINGAN KLASIFIKASI PENYAKIT STROKE MENGGUNAKAN ALGORITMA K-NEAREST NEIGHBOR (KNN) DAN ARTIFICIAL NEURAL NETWORK (ANN). Skripsi thesis, UNAMA.

	Text BAB I.pdf Download (601kB)
	Text BAB II.pdf Restricted to Registered users only Download (1MB)
	Text BAB III.pdf Restricted to Registered users only Download (529kB)
	Text BAB IV.pdf Restricted to Registered users only Download (1MB)
	Text BAB V.pdf Download (405kB)
	Text DAFTAR PUSTAKA .pdf Download (474kB)

Abstract

Stroke merupakan salah satu penyebab utama kematian dan kecacatan di seluruh dunia. Deteksi dini stroke menjadi sangat penting untuk mengurangi risiko fatalitas. Penelitian ini bertujuan untuk membandingkan performa algoritma K-Nearest Neighbor (KNN) dan Artificial Neural Network (ANN) dalam klasifikasi penyakit stroke. Dataset yang digunakan berasal dari Kaggle dengan total 4.981 data dan 12 atribut relevan seperti usia, hipertensi, penyakit jantung, kadar glukosa, indeks massa tubuh (BMI), dan status merokok. Eksperimen dilakukan dengan tahapan eksplorasi data, preprocessing, pembagian data, pelatihan model, serta evaluasi menggunakan metrik akurasi, precision, recall, dan F1 score. Hasil penelitian menunjukkan bahwa KNN dan ANN sama-sama mencapai akurasi sebesar 94%. Namun, ANN memiliki keunggulan dalam mengenali kasus stroke setelah dilakukan penyesuaian bobot kelas, di mana recall meningkat menjadi 81%, meskipun precision menurun menjadi 14%. Dengan demikian, ANN lebih efektif dalam mendeteksi kasus stroke dibandingkan KNN

Actions (login required)

View Item