PENERAPAN ALGORITMA K-NEAREST NEIGHBOR DALAM MENGKLASIFIKASI PENDERITA ANEMIA
Total View This Week0
Total View This Week0
Institusion
Universitas Dinamika Bangsa
Author
Zulfi Tisna Tama, Muhammad
Subject
Analisis Sistem Informasi
Datestamp
2024-10-22 07:51:53
Abstract :
Machine Learning merupakan cabang dari Artificial Intelligence atau AI yang memberikan banyak kontribusi dalam pengolahan data dan tugas komputasi lainnya. Klasifikasi termasuk salah satu tugas Machine Learning yang dapat memberikan berbagai solusi dengan menerapkan algoritma. Algoritma klasifikasi yang digunakan adalah K-Nearest Neighbor. Penerapan algoritma K-Nearest Neighbor dalam mengklasifikasi penderita anemia dilakukan untuk mengetahui suatu individu menderita anemia atau tidak berdasarkan parameter atau fitur penting pada Dataset Anemia agar dapat dilakukan pencegahan dini penyakit anemia dan memberikan klasifikasi penderita anemia yang lebih optimal. Model K-Nearest Neighbor diterapkan menggunakan nilai k terbaik yaitu k = 5, metrik jarak Euclidean, dan validasi silang 10-Cross Validation dengan Fold terbaik pada Fold-2 dan Fold-9. Hasil penelitian ini menunjukkan bahwa model algoritma K-Nearest Neighbor bekerja dengan sangat baik dan hasil evaluasi kinerja model menggunakan Confusion Matrix memberikan nilai akurasi sebesar 97%, presisi sebesar 98% pada kelas 0 (tidak anemia) dan 96% pada kelas 1 (anemia), recall sebesar 98% pada kelas 0 (tidak anemia) dan 96% pada kelas 1 (anemia), serta f1-score sebesar 98% pada kelas 0 (tidak anemia) dan 96% pada kelas 1 (anemia).
Machine Learning merupakan cabang dari Artificial Intelligence atau AI yang memberikan banyak kontribusi dalam pengolahan data dan tugas komputasi lainnya. Klasifikasi termasuk salah satu tugas Machine Learning yang dapat memberikan berbagai solusi dengan menerapkan algoritma. Algoritma klasifikasi yang digunakan adalah K-Nearest Neighbor. Penerapan algoritma K-Nearest Neighbor dalam mengklasifikasi penderita anemia dilakukan untuk mengetahui suatu individu menderita anemia atau tidak berdasarkan parameter atau fitur penting pada Dataset Anemia agar dapat dilakukan pencegahan dini penyakit anemia dan memberikan klasifikasi penderita anemia yang lebih optimal. Model K-Nearest Neighbor diterapkan menggunakan nilai k terbaik yaitu k = 5, metrik jarak Euclidean, dan validasi silang 10-Cross Validation dengan Fold terbaik pada Fold-2 dan Fold-9. Hasil penelitian ini menunjukkan bahwa model algoritma K-Nearest Neighbor bekerja dengan sangat baik dan hasil evaluasi kinerja model menggunakan Confusion Matrix memberikan nilai akurasi sebesar 97%, presisi sebesar 98% pada kelas 0 (tidak anemia) dan 96% pada kelas 1 (anemia), recall sebesar 98% pada kelas 0 (tidak anemia) dan 96% pada kelas 1 (anemia), serta f1-score sebesar 98% pada kelas 0 (tidak anemia) dan 96% pada kelas 1 (anemia).
Download
book
BibTex
Latex, Jabref
cloud_download
Original Resource
url resource Institution
