Implemenatasi Algoritma K-Nearest Neighbor (KNN) dalam Memprediksi Penyakit Implemenatasi Algoritma K-Nearest Neighbor (KNN) dalam Memprediksi Penyakit

Main Article Content

Agyztia Premana
Dewi Pergiwati

Abstract

Stroke merupakan gangguan fungsi otak yang disebabkan oleh terganggunya aliran darah ke otak. Penyakit stroke dapat menyebabkan kecacatan pada penderitanya atau bahkan kematian. Data Organisasi Stroke Dunia menyatakan bahwa setiap tahun terdapat 13,7 juta penderita stroke dan 5,5 juta kasus kematian akibat stroke. Penyakit ini merupakan penyakit mematikan nomor tiga dunia. Berdasarkan hal tersebut maka penelitian ini bertujuan untuk melakukan penerapan algoritma K-Nearest Neighbor dalam memprediksi penyakit stroke serta dapat mengetahui akurasi yang dihasilkan algoritma KNN dalam memprediksi penyakit stroke. Melalui hasil perhitungan klasifikasi-prediksi pada data penyakit stroke dengan data latih sebanyak 80 data dan data uji sebanyak 20 data dapat diketahui bahwa algoritma KNN dapat melakukan prediksi penyakit stroke berdasarkan jenis kelamin, umur, hipertensi, riwayat penyakit jantung, status menikah, tipe pekerjaan, tipe tempat tinggal, rerata kadar glukosa , bmi dan status merokok dengan akurasi yang didapatkan sebesar 95% dengan nilai k=9.

Article Details

How to Cite
Agyztia Premana, & Pergiwati, D. (2025). Implemenatasi Algoritma K-Nearest Neighbor (KNN) dalam Memprediksi Penyakit: Implemenatasi Algoritma K-Nearest Neighbor (KNN) dalam Memprediksi Penyakit. Jurnal Ilmiah Intech : Information Technology Journal of UMUS, 7(1). https://doi.org/10.46772/intech.v8i1.1800
Section
Articles

References

R. Ramadhan Saepul, S. Rizal Amegia, and F. Dasya Arif, “Komparasi Algoritma C4.5 Berbasis PSO Dan GA Untuk Diagnosa Penyakit Stroke,” CESS (Journal Comput. Eng. Syst. Sci., vol. 5, no. 1, p. 155, 2020.

S. Putri Ayundari, “Diagnosis Dan Tatalaksana,” J. Med. Utama, vol. 02, no. 01, pp. 402–406, 2020.

K. Ibrahim, S. Arief Andy, and R. Dian Eka, “Sistem Untuk Deteksi Penyakit Stroke Menggunakan Metode Analytical Hierarchy Process dan Weighted Product,” J. Pengemb. Teknol. Inf. dan Ilmu Komput., vol. 2, no. 6, pp. 2182–2191, 2018.

M. M Syukri and S. I Wayan, “Implementasi Algoritma K-Nearest Neighbor ( KNN ) Untuk Memprediksi Pasien Terkena Penyakit Diabetes Pada Puskesmas Manyampa Kabupaten Bulukumba,” Semin. Ilm. Sist. Inf. Dan Teknol. Inf., vol. VIII, no. 1, pp. 1– 10, 2019.

H. Bagus and R. Fahrur, “Prediksi penjualan sepatu menggunakan metode k- nearest neighbor,” JOEICT(Jurnal Educ. Inf. Commun. Technol., vol. 04, pp. 13–18, 2020.

U. Farkhina Dwi, S. Amril Mutoi, and W. Deden, “Implementasi Algoritme K-Nearest Neighboar ( KNN ) untuk Prediksi Hasil Produksi,” Sci. Student J. Information, Technol. Sci., vol. 1, no. 1, pp. 21–25, 2020.

Sukamto, A. Yanti, and A. Rizka, “Prediksi Kelompok UKT Mahasiswa Menggunakan Algoritma K-Nearest Neighbor,” JUITA J. Inform., vol. 8, no. 1, p. 121, 2020, doi:

30595/juita.v8i1.6267.

M. Kukuh Wiliam, S. Yuita Arum, and A. Achmad, “Optimasi K-Nearest Neighbour Menggunakan Particle Swarm Optimization pada Sistem Pakar untuk Monitoring Pengendalian Hama pada Tanaman Jeruk,” vol. 2, no. 9, pp. 3333–3344, 2018.

Sulastri, H. Kristophorus, and A. Muchamad Taufiq, “ANALISIS PERBANDINGAN KLASIFIKASI PREDIKSI PENYAKIT HEPATITIS DENGAN MENGGUNAKAN ALGORITMA K-NEAREST NEIGHBOR , NAÏVE BAYES DAN NEURAL NETWORK,” vol. 24, no. 2, pp. 82–91, 2019.