Perbandingan Implementasi Metode K-Nearest Neighbor menggunakan Jarak Euclidean dan Manhattan pada Analisa Klasifikasi Penyakit Anemia
Technology and Informatics Insight Journal · 2025
DOI: 10.32639/3eb23e95 ↗At a glance
Journal article in Technology and Informatics Insight Journal, 2025. Written by Sekar Buana Prameswary and 2 co-authors.
Abstract (original language)
Anemia merupakan masalah kesehatan global yang memerlukan penanganan efektif melalui klasifikasi yang akurat. Penelitian ini menggunakan algoritma K-Nearest Neighbor (KNN) untuk menganalisis dan mengklasifikasikan jenis penyakit anemia berdasarkan data hematologi dari 1.281 sampel. Proses klasifikasi melibatkan perhitungan jarak Euclidean dan Manhattan, dengan akurasi masing-masing 60% dan 64,31%. Hasil menunjukkan bahwa metode Manhattan lebih efektif dalam mendeteksi jenis anemia dengan kesalahan prediksi lebih sedikit dibandingkan Euclidean. Model yang dikembangkan diharapkan dapat mendukung diagnosis dini, meningkatkan efisiensi layanan kesehatan, dan memberikan solusi bagi wilayah dengan keterbatasan fasilitas diagnostik. Penelitian ini memberikan kontribusi signifikan dalam penerapan teknologi untuk klasifikasi data medis dan mendukung pengambilan keputusan klinis.
Cite
APA
Prameswary, S. B., Agustianingsih, D., & Nugraheni, A. G. (2025). Perbandingan Implementasi Metode K-Nearest Neighbor menggunakan Jarak Euclidean dan Manhattan pada Analisa Klasifikasi Penyakit Anemia. Technology and Informatics Insight Journal. https://doi.org/10.32639/3eb23e95
Vancouver
Prameswary SB, Agustianingsih D, Nugraheni AG. Perbandingan Implementasi Metode K-Nearest Neighbor menggunakan Jarak Euclidean dan Manhattan pada Analisa Klasifikasi Penyakit Anemia. Technology and Informatics Insight Journal. 2025. doi:10.32639/3eb23e95
BibTeX
@article{Prameswary2025,
author = {Prameswary, Sekar Buana and Agustianingsih, Devany and Nugraheni, Anggit Gusti},
title = {Perbandingan Implementasi Metode K-Nearest Neighbor menggunakan Jarak Euclidean dan Manhattan pada Analisa Klasifikasi Penyakit Anemia},
journal = {Technology and Informatics Insight Journal},
year = {2025},
doi = {10.32639/3eb23e95}
}
EUVIMED