PENERAPAN GAIN RATIO UNTUK SELEKSI FITUR PADA KLASIFIKASI PENYAKIT JANTUNG DENGAN MENGGUNAKAN K-NEAREST NEIGHBORS

Ilham Permadi, Resal (2025) PENERAPAN GAIN RATIO UNTUK SELEKSI FITUR PADA KLASIFIKASI PENYAKIT JANTUNG DENGAN MENGGUNAKAN K-NEAREST NEIGHBORS. Skripsi thesis, UNAMA.

	Text BAB I.pdf Download (194kB)
	Text BAB II.pdf Restricted to Registered users only Download (360kB)
	Text BAB III.pdf Restricted to Registered users only Download (262kB)
	Text BAB IV.pdf Restricted to Registered users only Download (564kB)
	Text BAB V.pdf Download (148kB)
	Text DAFTAR PUSTAKA.pdf Download (182kB)

Abstract

Penyakit jantung masih menjadi penyebab kematian tertinggi di dunia, termasuk di Indonesia. Deteksi dini dengan bantuan teknologi sangat penting untuk mencegah risiko lebih lanjut. Penelitian ini menggunakan metode Gain Ratio untuk seleksi fitur dan algoritma K-Nearest Neighbors (KNN) sebagai metode klasifikasi. Dataset yang digunakan berjumlah 304 data pasien dengan 14 atribut. Setelah dilakukan seleksi fitur, diperoleh 5 atribut terbaik yang berpengaruh terhadap hasil klasifikasi. Hasil pengujian menunjukkan bahwa pada data training, akurasi meningkat menjadi 87,70% dengan presisi 89,40%, recall 87,80%, dan F1-score 88,60%. Sedangkan pada data testing, akurasi mencapai 80,20% dengan performa yang relatif seimbang. Temuan ini membuktikan bahwa Gain Ratio mampu meningkatkan efektivitas KNN dalam klasifikasi penyakit jantung, sehingga dapat membantu proses prediksi lebih tepat dan efisien.

Actions (login required)

View Item