Klasifikasi Penyakit Stroke Menggunakan Algoritma K-Nearest Neighbor (KNN)
ROUTERS: Jurnal Sistem dan Teknologi Informasi · 2022
DOI: 10.25181/rt.v1i1.2665 ↗Kurz gefasst
Fachartikel in der Zeitschrift ROUTERS: Jurnal Sistem dan Teknologi Informasi, 2022. Verfasst von Zuriati Zuriati und 1 weiteren Autor:innen. Die Arbeit wurde bisher 2-mal zitiert (Crossref). Der Volltext ist frei zugänglich (Open Access, CC BY 4.0).
Themen: Schlaganfall
Abstract (Originalsprache)
Penerapan algoritma klasifikasi merupakan salah satu solusi yang mampu mengklasifikasikan gejala penyakit stroke. Pengklasifikasian gejala ini dalam bentuk model prediksi dapat digunakan sebagai upaya deteksi dini penyakit stroke. Algoritma yang diterapkan untuk membangun model prediksi adalah K-Nearest Neighbor (KNN). Algoritma KNN terbukti mampu memprediksi sampel uji yang baru berdasarkan jarak euclidean. Dataset terdiri dari 5110 record, attribut yang digunakan adalah: gender, age, hypertension, heart_disease, ever_married, bmi, work_type, residence_type, Avg_glucosa_level, smoking_status, kelompok stroke. Tahap penelitian adalah: Pengumpulan Data, Preprocessing Data, Split Data, Penerapan Algoritma KNN dan Evaluasi kinerja KNN dengan confusion matrix dan penghitungan akurasi. Performa algoritma KNN terbaik didapatkan dengan nilai k= 5 dan akurasi 93.54%.
Zitieren
APA
Zuriati, Z., & Qomariyah, N. (2022). Klasifikasi Penyakit Stroke Menggunakan Algoritma K-Nearest Neighbor (KNN). ROUTERS: Jurnal Sistem dan Teknologi Informasi. https://doi.org/10.25181/rt.v1i1.2665
Vancouver
Zuriati Z, Qomariyah N. Klasifikasi Penyakit Stroke Menggunakan Algoritma K-Nearest Neighbor (KNN). ROUTERS: Jurnal Sistem dan Teknologi Informasi. 2022. doi:10.25181/rt.v1i1.2665
BibTeX
@article{Zuriati2022,
author = {Zuriati, Zuriati and Qomariyah, Nurul},
title = {Klasifikasi Penyakit Stroke Menggunakan Algoritma K-Nearest Neighbor (KNN)},
journal = {ROUTERS: Jurnal Sistem dan Teknologi Informasi},
year = {2022},
doi = {10.25181/rt.v1i1.2665}
}
EUVIMED