Article Per Year (5 Year)
p-Index From 2020 - 2025
0.23
P-Index
This Author published in this journals
All Journal Jurnal Informatika dan Rekayasa Elektronik
Febrio Waleska, Rangga
Unknown Affiliation
Computer Science & IT

Published : 1 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 1 Documents
Search

 1 
KOMPARASI ALGORITMA K-NEAREST NEIGHBOR (K-NN), SUPPORT VECTOR MACHINE (SVM), DAN DECISION TREE DALAM KLASIFIKASI PENYAKIT STROKE Andri Setiawan; Febrio Waleska, Rangga; Muhammad Adji Purnama; Rahmaddeni; Lusiana Efrizoni
Jurnal Informatika dan Rekayasa Elektronik Vol. 7 No. 1 (2024): JIRE APRIL 2024
Publisher : LPPM STMIK Lombok

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.36595/jire.v7i1.1161

Abstract

Penyakit stroke adalah penyebab kematian dan kecacatan pada manusia. Stroke dapat menyebabkan aliran darah otak terganggu. Ini menghambat semua fungsi organ, menyebabkan organ-organ tertentu kehilangan elastisitas, oksigen, atau nutrisi, dan akhirnya menyebabkan mereka mati dengan cepat. Tujuan dari penelitian ini adalah untuk mengklasifikasi  seseorang yang mengalami stroke. Dalam penelitian ini, metode K-NN mempunyai kemampuan untuk menangani masalah yang kompleks tanpa terpengaruh oleh berbagai faktor dan sifatnya yang kuat, intensif, dan tidak asumsif, metode SVM memiliki kemampuan untuk menangani masalah yang kompleks tanpa terpengaruh oleh berbagai factor dan melakukan pelatihan secara efektif, sedangkan Decision Tree mengembangkan pengetahuan berdasarkan data pelatihan dan labelnya, melakukan prediksi terkait kategori atau label kelas. Dari metode-metode tersebut akan melakukan klasifikasi pada data penyakit stroke dari 4981 record. Hasil pengujian metode dengan spliting data 80:20 menunjukkan bahwa metode K-NN mendapatkan hasil akurasi 94%, dan SVM mendapatkan hasil akurasi 95%, sedangkan Decision Tree mendapatkan hasil 92%. Dari hasil tersebut metode SVM lebih baik dibandingkan dua metode K-NN dan Decision Tree. Studi ini menggunakan Streamlite untuk membuat visualisasi data menjadi lebih menarik.
Co-Authors Andri Setiawan Lusiana Efrizoni Muhammad Adji Purnama Rahmaddeni Rahmaddeni