Prediksi penyakit jantung berbasis mesin learning dengan menggunakan metode k-nn
Jurnal Digital Teknologi Informasi · 06.02.2025 · 7 (2) · 14
DOI: 10.32502/digital.v7i2.9429 ↗Kurz gefasst
Fachartikel in der Zeitschrift Jurnal Digital Teknologi Informasi, online erschienen am 06.02.2025. Verfasst von Lukman Hakim und 3 weiteren Autor:innen. Die Arbeit wurde bisher 2-mal zitiert (Crossref).
Abstract (Originalsprache)
Permasalahan dalam penelitian ini adalah belum adanya sistem prediksi penyakit jantung yang dapat memudahkan proses penanganan dan identifikasi gejala penyakit jantung. Oleh karena itu, dilakukan proses ekstraksi pola gejala penyakit jantung berdasarkan data medis menggunakan model K-Nearest Neighbor (KNN). Proses pengolahan data penyakit jantung dengan algoritma KNN ini bertujuan untuk menganalisis data penyakit jantung berbasis machine learning. Dalam prediksi penyakit jantung, diperlukan sistem yang dapat membantu mengelola data terkait pengolahan citra medis. Tujuan dari penelitian ini adalah untuk membantu melakukan klasifikasi jenis penyakit jantung, sehingga memudahkan proses penanganan medis. Analisis dilakukan menggunakan sistem machine learning dengan tools Python, di mana dalam pengolahan data terdapat tahapan yang berhubungan dengan pembagian data (splitting data) untuk menghasilkan akurasi yang optimal.
Zitieren
APA
Hakim, L., Sobri, A., Sunardi, L., & Nurdiansyah, D. (2025). Prediksi penyakit jantung berbasis mesin learning dengan menggunakan metode k-nn. Jurnal Digital Teknologi Informasi, 7(2), 14. https://doi.org/10.32502/digital.v7i2.9429
Vancouver
Hakim L, Sobri A, Sunardi L, Nurdiansyah D. Prediksi penyakit jantung berbasis mesin learning dengan menggunakan metode k-nn. Jurnal Digital Teknologi Informasi. 2025;7(2):14. doi:10.32502/digital.v7i2.9429
BibTeX
@article{Hakim2025,
author = {Hakim, Lukman and Sobri, Ahmad and Sunardi, Lukman and Nurdiansyah, Deni},
title = {Prediksi penyakit jantung berbasis mesin learning dengan menggunakan metode k-nn},
journal = {Jurnal Digital Teknologi Informasi},
year = {2025},
volume = {7},
number = {2},
pages = {14},
doi = {10.32502/digital.v7i2.9429}
}
EUVIMED