KLASIFIKASI GAGAL JANTUNG BERDASARKAN GEJALA MENGGUNAKAN METODE MKNN (MODIFIED K-NEAREST NEIGHBOR)

PRIAMBORO, BAGAS PRAS (2023) KLASIFIKASI GAGAL JANTUNG BERDASARKAN GEJALA MENGGUNAKAN METODE MKNN (MODIFIED K-NEAREST NEIGHBOR). Undergraduate thesis, UNIVERSITAS MUHAMMADIYAH JEMBER.

	Text A. PENDAHULUAN.pdf Download (2MB)
	Text B. ABSTRAK.pdf Download (512kB)
	Text C. BAB I.pdf Download (437kB)
	Text D. BAB II.pdf Restricted to Repository staff only Download (755kB) | Request a copy
	Text E. BAB III.pdf Restricted to Repository staff only Download (773kB) | Request a copy
	Text F. BAB IV.pdf Restricted to Repository staff only Download (825kB) | Request a copy
	Text G. BAB V.pdf Restricted to Repository staff only Download (405kB) | Request a copy
	Text H. DAFTAR PUSTAKA.pdf Download (332kB)
	Text I. LAMPIRAN.pdf Restricted to Repository staff only Download (670kB) | Request a copy

Abstract

Gagal jantung kongestif atau yang dikenal juga terjadi saatiotot jantung tidak dapatimemompa darahidengan cukupikuat ke seluruh tubuh. Masalahikesehatan iniidulu dikenal sebagai pembunuh senyap atau pembunuh diam karena seringkali tidak menunjukkan gejala apa pun dan akhirnya menyebabkan kematian pasien.. Sampai saat ini, gagal jantung kongestif masih merupakan masalah kesehatan masyarakat di negara maju maupun negara berkembang, seperti Indonesia. Tingginya angka kematian menurutipusat data danainformasi KementrianuKesehatan RI 45% kematian karena penyakit jantung diperkirakaniakan meningkatimencapai 23,3 jutaikematian padaitahun 2030. Penyebab dari gagal jantug kongestif karenaimasalah otot jantung yangidisebabkan oleh beragam faktor diantara lainnya penyakit arteri koroner, serangan jantung, penyakit jantung bawaan, diabetes, hipertensi, obesitas, dan gaya hidup tidak sehat.Oleh karena itu diperlukan klasifikasi penyakit Gagal jantung mengklasifikasikan gejala pasien untuk membantu dokter membuat diagnosis sementara. dengan MKNN untuk mendapatkan nilai akurasi yang tinggi. Hasil pengujian yang menggunakan algoritma Modified K-Nearest Neightbor (MKNN) dengan metode Confusion Matrix untuk menentukan jenis penyakit gagal jantung menunjukkan bahwa algoritma ini memiliki akurasi 90% dengan menggunakan 90% data latihan dan 10% data uji. Dari 25 data uji yang digunakan, 21 adalah data yang benar dan 4 adalah data yang salah.

Contribution

Nama Dosen Pembimbing

NIDN/NIDK

UNSPECIFIED

Oktavianto, Hardian

NIDN0722108105

UNSPECIFIED

Zakiyyah, Amalina Maryam

NIDN0727058705

Item Type:	Thesis (Undergraduate)
Keywords/Kata Kunci:	Gagal jantung, Modified K-Nearest Neighbor, klasifikasi, kesehatan, data mining.
Subjects:	000 Computer Science, Information, & General Works > 004 Data Processing, Computer Science
Divisions:	Faculty of Engineering > Department of Informatics Engineering (S1)
Depositing User:	Bagas Pras Priamboro | bp.priamboro@gmail.com
Date Deposited:	18 Aug 2023 01:57
Last Modified:	18 Aug 2023 01:57
URI:	http://repository.unmuhjember.ac.id/id/eprint/19314

Actions (login required)

View Item