KLASIFIKASI PENYAKIT GAGAL JANTUNG MENGGUNAKAN ALGORITMA K-NEAREST NEIGHBOR DENGAN FITUR SELEKSI BACKWARD ELIMINATION

AMILIA, INDI ROSIFATUL (2022) KLASIFIKASI PENYAKIT GAGAL JANTUNG MENGGUNAKAN ALGORITMA K-NEAREST NEIGHBOR DENGAN FITUR SELEKSI BACKWARD ELIMINATION. Undergraduate thesis, UNIVERSITAS MUHAMMADIYAH JEMBER.

[img] Text
1. PENDAHULUAN.pdf

Download (797kB)
[img] Text
2. ABSTRAK.pdf

Download (341kB)
[img] Text
3. BAB I.pdf

Download (428kB)
[img] Text
4. BAB II.pdf
Restricted to Repository staff only

Download (488kB) | Request a copy
[img] Text
5. BAB III.pdf
Restricted to Repository staff only

Download (356kB) | Request a copy
[img] Text
6. BAB IV.pdf
Restricted to Repository staff only

Download (886kB) | Request a copy
[img] Text
7. BAB V.pdf
Restricted to Repository staff only

Download (367kB) | Request a copy
[img] Text
8. DAFTAR PUSTAKA.pdf

Download (435kB)
[img] Text
9. LAMPIRAN.pdf
Restricted to Repository staff only

Download (1MB) | Request a copy
[img] Text
10. JURNAL.pdf

Download (809kB)

Abstract

Gagal jantung adalah penyakit kardiovaskular yang disebabkan oleh jantung yang mempompa darah ke seluruh tubuh dan mengganggu fungsi sistem sirkulasi fisiologis. Data di Indonesia tahun 2018 menunjukkan bahwa gagal jantung termasuk dalam 10 penyakit tidak menular di Indonesia dan mendapatkan hasil 229.696 (0,13%) orang menderita gagal jantung. Penyakit gagal jantung tidak dapat disembuhkan, tetapi banyak kasus dapat dicegah dan sebagian besar pasien dapat diobati secara efektif untuk meningkatkan kualitas hidup dan kelangsungan hidup. Seiring dengan perkembangan zaman dalam dunia kesehatan terjadi juga perkembangan teknologi. Salah satunya adalah pemanfaatan Machine Learning dan Data Mining dalam dunia kesehatan. Metode klasifikasi pada penelitian ini adalah membandingkan antara algoritma K-Nearest Neighbour tanpa seleksi fitur dan K-Nearest Neighbour dengan menggunakan seleksi fitur Backward Elimination untuk mengklasifikasi penyakit gagal jantung. Hasil yang didapatkan dari penelitian ini adalah pada algoritma K-Nearest Neighbour tanpa seleksi fitur didapatkan hasil akurasi sebesar 94,56%, presisi 93,87% dan recall 95,55%. Pada algoritma K-Nearest Neighbour dengan menggunakan seleksi fitur Backward Elimination mendapatkan hasil akurasi sebesar 98,33%, presisi 97,94% dan recall 98,63%.

Item Type: Thesis (Undergraduate)
Uncontrolled Keywords: Klasifikasi, Gagal Jantung, K-Nearest Neighbour, Backward Elimination.
Subjects: 600 Technology and Applied Science
Divisions: Faculty of Engineering > Department of Informatics Engineering (S1)
Depositing User: INDI ROSIFATUL AMILIA
Date Deposited: 14 Nov 2022 02:11
Last Modified: 14 Nov 2022 02:11
URI: http://repository.unmuhjember.ac.id/id/eprint/15488

Actions (login required)

View Item View Item