KLASIFIKASI MACHINE LEARNING UNTUK MENDETEKSI PENYAKIT STROKE DENGAN ALGORITMA K-NN DAN NAÏVE BAYES

Adjie Pratomo, Bayu (2025) KLASIFIKASI MACHINE LEARNING UNTUK MENDETEKSI PENYAKIT STROKE DENGAN ALGORITMA K-NN DAN NAÏVE BAYES. Skripsi thesis, UNAMA.

	Text BAB I.pdf Download (234kB)
	Text BAB II.pdf Restricted to Registered users only Download (348kB)
	Text BAB III.pdf Restricted to Registered users only Download (173kB)
	Text BAB IV.pdf Restricted to Registered users only Download (750kB)
	Text BAB V.pdf Download (11kB)
	Text DAFTAR PUSTAKA.pdf Download (176kB)

Abstract

Stroke merupakan salah satu penyakit yang dapat menyebabkan kematian dan kecacatan permanen jika tidak terdeteksi dan ditangani dengan cepat. Dalam penelitian ini, dilakukan analisis klasifikasi penyakit stroke menggunakan algoritma k-Nearest Neighbors dan Naïve Bayes pada Healthcare Stroke Dataset. Tujuan penelitian ini adalah untuk menganalisis performa kedua algoritma dalam mendeteksi penyakit stroke serta membandingkan akurasi dan efektivitasnya. Hasil penelitian menunjukkan bahwa algoritma k-Nearest Neighbors memiliki akurasi sebesar 89% dan AUC sebesar 0.94 (94%), sedangkan Naïve Bayes memiliki akurasi sebesar 78% dan AUC sebesar 0.85 (85%). Dengan demikian, algoritma K- Nearest Neighbors terbukti lebih unggul dibandingkan Naïve Bayes dalam mengklasifikasikan penyakit stroke pada dataset yang digunakan. Hasil penelitian ini menunjukkan bahwa penggunaan machine learning, khususnya algoritma k-NN, dapat menjadi metode yang efektif dalam membantu mendeteksi penyakit stroke secara lebih akurat. Penelitian ini diharapkan dapat memberikan kontribusi dalam pengembangan sistem pendukung keputusan medis untuk deteksi dini stroke.

Actions (login required)

View Item