KLASIFIKASI PENYAKIT JANTUNG MENGGUNAKAN ALGORITMA K- NEAREST NEIGHBORS

Ruslan, Septiadi (2024) KLASIFIKASI PENYAKIT JANTUNG MENGGUNAKAN ALGORITMA K- NEAREST NEIGHBORS. Skripsi thesis, UNAMA.

[img] Text
BAB I.pdf

Download (210kB)
[img] Text
BAB II.pdf
Restricted to Registered users only

Download (397kB)
[img] Text
BAB III.pdf
Restricted to Registered users only

Download (610kB)
[img] Text
BAB IV.pdf
Restricted to Registered users only

Download (634kB)
[img] Text
BAB V.pdf

Download (145kB)
[img] Text
DAFTAR PUSTAKA.pdf

Download (158kB)

Abstract

Penyakit jantung merupakan salah satu penyakit yang paling mematikan di dunia, sehingga pengklasifikasian kondisi penyakit jantung sangat diperlukan untuk membantu dalam diagnosa dan penanganan medis. Pasien yang didiagnosis dengan penyakit jantung memerlukan penanganan yang tepat berdasarkan kondisi spesifik mereka. Oleh karena itu, klasifikasi kondisi penyakit jantung sangat penting sebagai referensi dalam menentukan apakah seorang pasien memerlukan perawatan segera atau tidak. Data yang digunakan dalam penelitian ini diambil dari repositori publik data yang pertama berjumlah 4238 data dengan 16 atribut dan data ke dua berjumlah 1026 data dengan 14 atribut. Adapun tujuan dari penelitian ini adalah untuk mengetahui akurasi dari klasifikasi dataset penyakit jantung dengan menggunakan algoritma K-Nearest Neighbor (K-NN). Data yang digunakan telah melalui proses pra-pemrosesan yang mencakup tiga tahapan, yaitu: penghapusan duplikat pada data baris, analisa korelasi dan pemilihan fitur pada data kolom, serta imputasi data pada nilai data. Proses implementasi algoritma K-Nearest Neighbor dengan seluruh atribut dan nilai k=15 untuk data pertama dan data ke dua menggunakan nilai k=1 dievaluasi menggunakan confusion matrix untuk mengukur performanya. Hasil evaluasi menunjukkan bahwa model K-NN ini meraih tingkat akurasi sebesar 84,08% untuk data pertama dan data ke dua sebesar 98,05%.

Item Type: Thesis (Skripsi)
Subjects: Analisis Sistem Informasi
Divisions: Skripsi > Teknik Informatika > 2024
Depositing User: Digital Library
Date Deposited: 02 Jun 2025 02:32
Last Modified: 02 Jun 2025 02:32
URI: http://repository.unama.ac.id/id/eprint/4225

Actions (login required)

View Item View Item