KLASIFIKASI PENYAKIT STROKE MENGGUNAKAN METODE FUZZY K-NEAREST NEIGHBOR IN EVERY CLASS

Wijaya, Erick (2023) KLASIFIKASI PENYAKIT STROKE MENGGUNAKAN METODE FUZZY K-NEAREST NEIGHBOR IN EVERY CLASS. Undergraduate thesis, UNIVERSITAS MUHAMMADIYAH JEMBER.

	Text A. PENDAHULUAN.pdf Download (4MB)
	Text B. ABSTRAK.pdf Download (419kB)
	Text C. BAB I.pdf Download (898kB)
	Text D. BAB II.pdf Restricted to Repository staff only Download (2MB) | Request a copy
	Text E. BAB III.pdf Restricted to Repository staff only Download (2MB) | Request a copy
	Text F. BAB IV.pdf Restricted to Repository staff only Download (2MB) | Request a copy
	Text G. BAB V.pdf Restricted to Repository staff only Download (253kB) | Request a copy
	Text H. DAFTAR PUSTAKA.pdf Download (590kB)
	Text I. LAMPIRAN.pdf Restricted to Repository staff only Download (8MB) | Request a copy

Abstract

Stroke saat ini menjadi penyebab utama kematian dan kecacatan di Indonesia. Salah satu cara meminimalisir angka kasus stroke di Indonesia yaitu dengan melakukan deteksi dini penyakit stroke. Berbagai macam permasalahan yang melibatkan pembagian data secara sistematis lebih mudah diselesaikan menggunakan klasifikasi. Sebagai contoh dalam bidang medis yaitu, menggunakan metode klasifikasi yang berfungsi untuk mengklasifikasi luasnya penyakit yang diderita pasien yang dapat memudahkan para klinisi untuk mendiagnosis penyakit stroke. Penelitian ini menggunakan pendekatan Fuzzy K-Nearest Neighbor in every Class untuk klasifikasi. Data klinis individu yang diidentifikasi secara positif dan negatif dimasukkan dalam kumpulan data stroke yang dikumpulkan dari repositori Kaggle yang dibuat oleh Fedesoriano. Pengujian ini dijalankan dengan 500 data dan 10 karakteristik, dan hasilnya menunjukkan bahwa untuk setiap kelas, Fuzzy KNearest Neighbor memiliki nilai akurasi 82%, recall 68%, dan presisi 78%

Item Type:	Thesis (Undergraduate)
Uncontrolled Keywords:	Stroke, Klasifikasi, K-Nearest Neighbor, Fuzzy K-Nearest Neighbor, Fuzzy KNearest Neighbor In Every Class
Subjects:	000 Computer Science, Information, & General Works > 004 Data Processing, Computer Science
Divisions:	Faculty of Engineering > Department of Informatics Engineering (S1)
Department:	S1 Teknik Informatika
Depositing User:	Erick Wijaya
Contributors:	Contribution Contributor Name NIDN/NIDK UNSPECIFIED Arifianto, Deni NIDN0718068103 UNSPECIFIED Yanuarti, Rosita NIDN0629018601
Contact Email Address:	erickwijaya46@gmail.com
Date Deposited:	19 Dec 2023 07:11
Last Modified:	19 Dec 2023 07:11
URI:	http://repository.unmuhjember.ac.id/id/eprint/20641

Actions (login required)

View Item