KLASIFIKASI PENYAKIT STROKE MENGGUNAKAN ALGORITMA KNN DENGAN OPTIMASI TEKNIK BAGGING

ACHMAD, ACHMAD MUJAMMIL (2023) KLASIFIKASI PENYAKIT STROKE MENGGUNAKAN ALGORITMA KNN DENGAN OPTIMASI TEKNIK BAGGING. Undergraduate thesis, UNIVERSITAS MUHAMMADIYAH JEMBER.

	Text PENDAHULUAN.pdf Download (1MB)
	Text ABSTRAK.pdf Download (120kB)
	Text BAB 1.pdf Download (313kB)
	Text BAB 2.pdf Restricted to Repository staff only Download (399kB) | Request a copy
	Text BAB 3.pdf Restricted to Repository staff only Download (716kB) | Request a copy
	Text BAB 4.pdf Restricted to Repository staff only Download (633kB) | Request a copy
	Text BAB 5.pdf Restricted to Repository staff only Download (113kB) | Request a copy
	Text DAFTAR PUSTAKA.pdf Download (419kB)
	Text LAMPIRAN.pdf Restricted to Repository staff only Download (486kB) | Request a copy
	Text ARTIKEL.pdf Download (963kB)

Abstract

Stroke merupakan suatu penyakit yang sangat serius dalam bidang kedokteran,dikarnakan dampak penyakit ini sangatlah fatal,karna dapat menyerang secara fisik dan mental dan lebih parahnya lagi hingga dapat menyebabkan kematian secara mendadak, penanggulan Stroke ini perlu di tangani secara cepat dan tanggap karna dapat merusak pada inti otak sehingga kemungkinan dapat menimbulkan komplikasi,Pada penetian ini peneliti ingin mebuktikan bahwa dalam menentukan seseorang terjangkit penyakit stroke menggunakan algoritma klasifikasi K-Nearest Neighbor dengan optimasi Bagging ini bisa digunakan,dari prediksi tersebut dapat membantu untuk mempermudah pada bidang kesehatan dalam menentukan atau mengambil keputusan dengan cepat,dari hasil yang di dapatkan dari klasifikasi tersebut di dapatkan hasil Nilai akurasi, presisi dan recall yang tertinggi pada Algoritma K-Nearest Neighbor dengan optimasi bagging terdapat pada K-5 dengan nilai akurasi sebesar 99.93%, presisi sebesar 100.00% dan recall sebesar 98.25%. dari hasil pengujian, diketahui hasil nilai sebelum di optimasi sudah cukup tinggi walaupun tanpa di lakukan optimasi bagging

Contribution

Nama Dosen Pembimbing

NIDN/NIDK

Dosen Pembimbing

HARDIAN, HARDIAN OKTAVIANTO

NIDN0722108105

Dosen Pembimbing

GINANJAR, GINANJAR ABDURRAHMAN

NIDN0714078704

Item Type:	Thesis (Undergraduate)
Keywords/Kata Kunci:	Klasifikasi, Bagging, K- Nearest Neighbour (KNN).
Subjects:	000 Computer Science, Information, & General Works
Divisions:	Faculty of Engineering > Department of Informatics Engineering (S1)
Depositing User:	Achmad Mujammil | jemyking45@gmail.com
Date Deposited:	18 Aug 2023 07:37
Last Modified:	18 Aug 2023 07:37
URI:	http://repository.unmuhjember.ac.id/id/eprint/19367

Actions (login required)

View Item