Claim Missing Document
Check
Articles

Found 12 Documents
Search

Comparison Of The Performance Of K-Nearest Neighbors And Naive Bayes Algorithms For Stroke Disease Prediction baskoro, baskoro; Novianto, Roby; Triraharjo, Bambang
Jurnal CoreIT: Jurnal Hasil Penelitian Ilmu Komputer dan Teknologi Informasi Vol 11, No 2 (2025): December 2025
Publisher : Fakultas Sains dan Teknologi, Universitas Islam Negeri Sultan Syarif Kasim Riau

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.24014/coreit.v11i2.37542

Abstract

Purpose: Stroke is a critical global health issue requiring early and accurate prediction to mitigate severe outcomes. This study aims to compare the performance of the K-Nearest Neighbors (KNN) and Naive Bayes algorithms in predicting stroke disease, addressing the challenge of imbalanced datasets and improving prediction accuracy for better clinical decision-making.Methods/Study design/approach: The research followed the CRISP-DM model, utilizing a dataset of 5,110 patient records with 12 attributes from Kaggle. Data preprocessing included handling missing values and normalization. The KNN and Naive Bayes algorithms were implemented using RapidMiner, with performance evaluated through cross-validation, confusion matrices, and ROC-AUC curves.Result/Findings: The KNN algorithm achieved an accuracy of 94.50%, but exhibited low precision (7.89%) and recall (1.20%) for stroke-positive cases due to dataset imbalance. Naive Bayes yielded an accuracy of 88.83% with an AUC of 0.767, demonstrating better probability modeling but similar challenges in minority class detection. Both algorithms highlighted the impact of data imbalance on predictive performance.Novelty/Originality/Value: This study provides a comparative analysis of KNN and Naive Bayes for stroke prediction, emphasizing the need for data balancing and optimization techniques. The findings underscore the potential of these algorithms in healthcare applications while suggesting future improvements through ensemble methods or alternative algorithms like Random Forest.
Peran Desain Kemasan Kreatif dalam Meningkatkan Minat Beli Produk Minuman Kekinian pada Generasi Z Yuliantie, Emil; Baskoro, Baskoro
Jurnal Penelitian Ilmu Pendidikan Indonesia Vol. 5 No. 1 (2026)
Publisher : Lembaga Penelitian dan Pengabdian Masyarakat, Universitas Pahlawan Tuanku Tambusai

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.31004/jpion.v5i1.1041

Abstract

Penelitian ini bertujuan untuk menganalisis peran desain kemasan kreatif dalam meningkatkan minat beli produk minuman kekinian pada Generasi Z. Desain kemasan tidak hanya berfungsi sebagai pelindung produk, tetapi juga sebagai alat komunikasi pemasaran yang mampu membentuk persepsi, menarik perhatian, dan memengaruhi keputusan konsumen. Generasi Z dikenal sebagai kelompok konsumen yang memiliki ketertarikan tinggi terhadap aspek visual, inovasi, dan identitas merek, sehingga desain kemasan menjadi faktor strategis dalam menarik minat beli mereka. Penelitian ini menggunakan pendekatan kuantitatif dengan metode survei terhadap responden Generasi Z yang pernah mengonsumsi produk minuman kekinian. Data dianalisis menggunakan teknik analisis statistik untuk menguji pengaruh desain kemasan kreatif terhadap minat beli. Hasil penelitian menunjukkan bahwa desain kemasan kreatif berperan signifikan dalam meningkatkan minat beli produk minuman kekinian pada Generasi Z. Temuan ini menegaskan bahwa elemen visual, keunikan desain, dan kesesuaian kemasan dengan karakter konsumen muda menjadi faktor penting dalam strategi pemasaran produk. Oleh karena itu, pelaku usaha di industri minuman kekinian disarankan untuk mengembangkan desain kemasan yang inovatif dan relevan dengan preferensi Generasi Z guna meningkatkan daya saing produk di pasar.