Implementasi algoritma K-Nearest Neighbors (KNN) pada pola klasifikasi penyakit tahunan di Kota Malang / Romi Azzam Hananta

Hananta, Romi Azzam (2018) Implementasi algoritma K-Nearest Neighbors (KNN) pada pola klasifikasi penyakit tahunan di Kota Malang / Romi Azzam Hananta. Diploma thesis, Universitas Negeri Malang.

Full text not available from this repository.

Abstract

RINGKASAN Hananta Romi Azzam. Implementasi Algoritma K-Nearest Neighbor s (KNN) Pada Pola Klasifikasi Penyakit Tahunan di Kota Malang. Skripsi S1 Teknik Informatika Jurusan Teknik Elektro Fakultas Teknik Universitas Negeri Malang Pembimbing (1) M. Zainal Arifin S.Si. M.Kom. Pembimbing (2) I Made Wirawan S. T. M. T. Kata Kunci K-Nearest Neighbors KNN Pola Klasifikasi Penyakit. Berdasarkan fakta Indonesia menghadapi berbagai masalah kesehatan dalam menentukan pola penyakit dimana jumlah penderita penyakit semakin meningkat dan beragam setiap waktunya. Pola penyakit yang semakin beragam membuat upaya klasifikasi penyakit menjadi sangat penting untuk mendukung peningkatan sistem informasi pada pelayanan kesehatan. Disamping mendukung peningkatan sistem untuk klasifikasian jenis penyakit juga membantu petugas medis khususnya khususnya petugas apoteker dalam menentukan stok obat yang lebih efektif. Penelitian ini menerapkan metode waterfall dari tahap pengambilan data pengolahan data hingga tahap evaluasi sistem. Algoritma K-Nearest Neighbor s Network (KNN) digunakan untuk mengklasifikasi pola penyakit berdasarkan data rekam medis pasien. Untuk mencapai tujuan tersebut dilakukan tahap Preprocessing sebelumnya agar dapat dimanfaatkan untuk pengolahan data lebih lanjut . Data penelitian ini diambil dari data rekam medis klinik kesehatan di Kota Malang yang terdiri dari 26 Atribut. Dari 26 atribut tersebut diambil 4 atribut yang sesuai yaitu terdiri dari jenis kelamin usia pasien tanggal masuk dan diagnosa pasien. Hasil dari pengolahan data penyakit diterapkan pada sebuah sistem berupa form atribut input data rekam medis yang bertujuan untuk media dalam menentukan kelas penderita penyakit. Data yang digunakan berjumlah 200 data latih dengan klasifikasi 2 kelas yaitu tinggi dan rendah. Hasil pengujian data dalam penelitian ini menggunakan metode Cross Validation dengan nilai 10-Fold dengan menghasilkan akurasi sebesar 95 % pada aplikasi pola klasifikasi penyakit berbasis web.

Item Type: Thesis (Diploma)
Subjects: T Technology > T Technology (General) > TIN Software Engineering
Divisions: Fakultas Teknik (FT) > Jurusan Teknik Elektro (TE) > S1 Teknik Informatika
Depositing User: Users 2 not found.
Date Deposited: 30 Oct 2018 04:29
Last Modified: 09 Sep 2018 03:00
URI: http://repository.um.ac.id/id/eprint/48064

Actions (login required)

View Item View Item