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.

	Text 1. PENDAHULUAN.pdf Download (797kB)
	Text 2. ABSTRAK.pdf Download (341kB)
	Text 3. BAB I.pdf Download (428kB)
	Text 4. BAB II.pdf Restricted to Repository staff only Download (488kB) \| Request a copy
	Text 5. BAB III.pdf Restricted to Repository staff only Download (356kB) \| Request a copy
	Text 6. BAB IV.pdf Restricted to Repository staff only Download (886kB) \| Request a copy
	Text 7. BAB V.pdf Restricted to Repository staff only Download (367kB) \| Request a copy
	Text 8. DAFTAR PUSTAKA.pdf Download (435kB)
	Text 9. LAMPIRAN.pdf Restricted to Repository staff only Download (1MB) \| Request a copy
	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)

Department:

S1 Teknik Informatika

Depositing User:

INDI ROSIFATUL AMILIA