Prediksi Resiko Penyakit Jantung dan Pembuluh Darah Menggunakan Algoritma K-Nearest Neighbor (KNN)
Abstract
Penyakit jantung adalah salah satu penyakit paling umum yang menjadi penyebab kematian seseorang di seluruh dunia. Di Indonesia, pada tahun 2014, survei Sample Registration System (SRS) menjelaskan bahwa 12,9% pelaku utama terjadinya kematian pada semua umur adalah penyakit jantung jenis koroner. Pendeteksian dini kemungkinan terserang penyakit jantung dan pembuluh darah sangat diperlukan guna mencegah kemungkinan terburuk yang bisa terjadi pada setiap orang. Penelitian ini bertujuan untuk memberikan gambaran tingkat resiko penyakit jantung dan pembuluh darah pada UPT Puskesmas Sumberasih. Suatu metode klasifikasi yang dapat diimplementasikan ke sebuah perangkat lunak untuk mendeteksi tingkat resiko penyakit jantung dan pembuluh darah adalah K-Nearest Neighbors (KNN), yakni suatu metode yang melakukan klasifikasi berdasarkan data latih dengan cara menghitung jarak yang paling dekat dengan rumus Eucledian Distance terhadap obyek berkelas sebanyak K. Pada penelitian ini, menggunakan dataset sebanyak 200, pengujian menggunakan metode split validation dimana jumlah data latih sebanyak 180, dan data uji sebanyak 20, dengan parameter nilai K=3 didapatkan akurasi sebesar 95%.
References
Dwi Fasnuari, H. A., Yuana, H., & Chulkamdi, M. T. (2022). Penerapan Algoritma K-Nearest Neighbor Untuk Klasifikasi Penyakit Diabetes Melitus. Antivirus?: Jurnal Ilmiah Teknik Informatika, 16(2), 133–142. https://doi.org/10.35457/antivirus.v16i2.2445
Harun, R., Pelangi, K.C., & Lasena, Y. (2020). Penerapan Data Mining untuk Mentukan Potensi Hujan Harian Dengan Menggunakan Algoritma K-Nearest Neighbour (KNN). Jurnal Manajemen Informatika dan Sistem Informasi, 3(1), 8-15. https://doa.org/10.36595/MISI.V3I1.125.
Hasran. (2020). Klasifikasi Penyakit Jantung Menggunakan Metode K-Nearest Neighbor. Indonesia Journal of Data and Science, 1(1), 6–10. http://bit.ly/datasetcardio.
Hermawati, F. A. (2013). Data Mining. Andi Offset.
Indriasih, E., Rosita, T., Yulianti, A., & Agustiya, R. I. (2020). Penilaian Kualitas Data Penyebab Kematian di Indonesia Tahun 2014. Buletin Penelitian Kesehatan, 48(4), 235–242. https://doi.org/10.22435/bpk.v48i4.3524
Prasetyo, E. (2014). Data Mining - Mengolah Data Menjadi Informasi. ANDI.
Ryfai, D. A., Hidayat, N., & Santoso, E. (2022). Klasifikasi Tingkat Resiko Serangan Penyakit Jantung menggunakan Metode K-Nearest Neighbor. Jurnal Pengembangan Teknologi Informasi Dan Ilmu Komputer, 6(10), 4701–4707. http://j-ptiik.ub.ac.id
Santoso, B. R., Gaghauna, E. E. M., & Akbar, I. (2023). Prediksi Kejadian Penyakit Jantung Dan Pembuluh Darah Di Upt Puskesmas Rawat Inap Alabio. Jurnal Persatuan Perawat Nasional Indonesia (JPPNI), 8(1), 1. https://doi.org/10.32419/jppni.v8i1.360
Sinambela L.P. (2014). Reformasi Pelayanan Publik. PT. Bumi Aksara.
Sumberasih, U. P. (2022). Laporan Kinerja Tahunan.
Susanto, H., & Jamal, J. (2020). Identifikasi Spesies Ikan Berdasarkan Kontur Otolith Menggunakan Metode Otsu Dan Back Propagation Neural Network. Joutica, 5(2). https://doi.org/10.30736/jti.v5i2.486
Yanto, D., Susanto, H., Zulkifli, K., & Gupron, F. R. (2023). Penerapan Algoritma K-Means Dalam Menentukan Kualitas Satuan Pendidikan Berdasarkan Nilai Internal Dan Eksternal. JEECOM Journal of Electrical Engineering and Computer, 5(2), 319–328. https://doi.org/10.33650/jeecom.v5i2.6946
UPT Puskesmas Sumberasih. (2023). Profil Kesehatan UPT Puskesmas Sumberasih Tahun 2022. UPT Puskesmas Sumberasih.
This work is licensed under a Creative Commons Attribution-NonCommercial-NoDerivatives 4.0 International License.
