دورية أكاديمية
Implementasi Metode K-Nearest Neighbors (KNN) untuk Klasifikasi Penyakit Jantung
| العنوان: | Implementasi Metode K-Nearest Neighbors (KNN) untuk Klasifikasi Penyakit Jantung |
|---|---|
| المؤلفون: | ahmad yogianto, Ahmad Homaidi, Zaehol Fatah |
| المصدر: | G-Tech, Vol 8, Iss 3 (2024) |
| بيانات النشر: | Universitas Islam Raden Rahmat, 2024. |
| سنة النشر: | 2024 |
| المجموعة: | LCC:Engineering (General). Civil engineering (General) |
| مصطلحات موضوعية: | K-Nearest Neighbors (KNN), Klasifikasi, Penyakit Jantung, Rapidminer, Engineering (General). Civil engineering (General), TA1-2040 |
| الوصف: | Penyakit Jantung masuk ke dalam kelompok penyakit kardiovaskuler dan salah satu penyebab utama dari kehilangan nyawa secara global. Hal yang diakibatkan terjadinya penyumbatan terhadap aliran darah yang masuk ke dalam otot jantung, yang mengakibatkan terjadinya kerusakan berat pada jantung. Meskipun penyakit ini tidak menular WHO menyebutkan bahwa penyakit jantung telah menyebabkan 17,9 juta orang meninggal pada setiap tahun. Data asli berasal dari database Cleveland dari UCI Machine Learning Repository yang terdapat 303 data sample dengan 14 atribut untuk memprediksi pasien yang positif dan negatif terkena penyakit jantung. RapidMiner merupakan aplikasi yang digunakan dengan metode K-Nearest Neighbors (KNN), cara kerja metode KNN sendiri iyalah dengan cara menentukan nilai dari data yang akan diuji berdasarkan pada K data tetangga yang paling dekat pada dataset yang akan di uji. Hasil pada metode KNN dengan parameter K=5 ini nilai Akurasi yang didapatkan sebesar 64,03%, nilai presesinya sebesar 64.58%, dan recall yang didapatkan sebesar 75.15%. |
| نوع الوثيقة: | article |
| وصف الملف: | electronic resource |
| اللغة: | English Indonesian |
| تدمد: | 2580-8737 2623-064X |
| Relation: | https://ejournal.uniramalang.ac.id/index.php/g-tech/article/view/4495; https://doaj.org/toc/2580-8737; https://doaj.org/toc/2623-064X |
| DOI: | 10.33379/gtech.v8i3.4495 |
| URL الوصول: | https://doaj.org/article/563d1130083c4267be50139f5404c675 |
| رقم الأكسشن: | edsdoj.563d1130083c4267be50139f5404c675 |
| قاعدة البيانات: | Directory of Open Access Journals |
Full Text Finder | تدمد: | 25808737 2623064X |
|---|---|
| DOI: | 10.33379/gtech.v8i3.4495 |