Rachmad, Maula Ulfatul Dinda (2021) PERBANDINGAN METODE K-NEAREST NEIGHBOR DAN GAUSSIAN NAIVE BAYES UNTUK KLASIFIKASI PENYAKIT STROKE. Undergraduate thesis, UNIVERSITAS MUHAMMADIYAH JEMBER.
![]() |
Text
a. PENDAHULUAN.pdf Download (1MB) |
![]() |
Text
b. BAB I.pdf Download (971kB) |
![]() |
Text
c. BAB II.pdf Restricted to Repository staff only Download (1MB) | Request a copy |
![]() |
Text
d. BAB III.pdf Restricted to Repository staff only Download (1MB) | Request a copy |
![]() |
Text
e. BAB IV.pdf Restricted to Repository staff only Download (1MB) | Request a copy |
![]() |
Text
f. BAB V.pdf Restricted to Repository staff only Download (898kB) | Request a copy |
![]() |
Text
g. DAFTAR PUSTAKA.pdf Download (965kB) |
![]() |
Text
h. LAMPIRAN.pdf Restricted to Repository staff only Download (1MB) | Request a copy |
![]() |
Text
ABSTRAK.pdf Download (1MB) |
Abstract
Stroke adalah kondisi bahaya yang perlu ditangani secepatnya, karena sel otak dapat mati dalam hitungan menit. Kematian secara mendadak mungkin terjadi apabila seorang pasien mengalami yang sangat parah. Penanganan yang cepat dapat mengurangi tingkat kerusakan pada otak dan kemungkina timbulnya komplikasi. Maka perlu dilakukan prediksi orang tersebut terkena penyakit stroke atau tidak. Salah satu cara untuk memprediksi penyakit stroke yaitu menggunakan klasifikasi. Penyakit stroke perlu diklasifikasi agar dapat memprediksi penyakit dengan akurat. Hasil prediksi yang akurat membantu praktisi kesehatan dalam mengambil keputusan dengan tepat. Metode klasifikasi yang digunakan pada penelitian ini yaitu membandingkan algoritma K-Nearest Neighbor dan Gaussian Naive Bayes. Hasil yang diperoleh dari penelitian ini pada algoritma K-Nearest Neighbor didapatkan dengan hasil akurasi sebesar 68,30%, presisi sebesar 67,20% dan recall sebesar 73,34%, sedangkan pada algoritma Gaussian Naive Bayes mendapatkan hasil akurasi sebesar 74,45%, presisi sebesar 74,01% dan recall sebesar 75,71%. Dari perbandingan akurasi, presisi dan recall dapat dilihat bahwa terdapat peningkatan akurasi sebesar 6,15%, presisi sebesar 6,81% dan recall sebesar 2,37%, sehingga membuktikan bahwa kinerja algoritma Gaussian Naive Bayes lebih baik. Kata Kunci : Klasifikasi penyakit, Stroke, Gaussian Naive Bayes, K-Nearest Neighbor.
Item Type: | Thesis (Undergraduate) | |||||||||
---|---|---|---|---|---|---|---|---|---|---|
Subjects: | 600 Technology and Applied Science > 620 Engineering > 622 Mining and Related Operations | |||||||||
Divisions: | Faculty of Engineering > Department of Informatics Engineering (S1) | |||||||||
Department: | S1 Teknik Informatika | |||||||||
Depositing User: | Dinda Ulfatul Maula Rachmad | |||||||||
Contributors: |
|
|||||||||
Contact Email Address: | dindaulfatul13@gmail.com | |||||||||
Date Deposited: | 19 Nov 2021 00:44 | |||||||||
Last Modified: | 19 Nov 2021 07:16 | |||||||||
URI: | http://repository.unmuhjember.ac.id/id/eprint/12206 |
Actions (login required)
![]() |
View Item |