Claim Missing Document
Check
Articles

Found 2 Documents
Search

Literature Review Pendekatan K-Nearest Neighbor (KNN) Untuk Klasifikasi Penyakit Kardiovaskular Ibrahim Fajri, Muhamad; Darrel Lubawi, Achmad; Azzahra, Devita; Javier Rivanda, Fairuz; Rosyani, Perani
Jurnal Riset Informatika dan Inovasi Vol 2 No 7 (2024): JRIIN: Jurnal Riset Informatika dan Inovasi
Publisher : shofanah Media Berkah

Show Abstract | Download Original | Original Source | Check in Google Scholar

Abstract

Penyakit jantung koroner, stroke, dan hipertensi adalah contoh penyakit yang mempengaruhi jantung dan pembuluh darah yang dikenal sebagai penyakit kardiovaskular. Di seluruh dunia termasuk Indonesia, penyakit ini menjadi salah satu yang paling berbahaya.Penyakit ini menyebabkan satu dari tiga kematian setiap tahun, atau 17,8 juta kematian di seluruh dunia, menurut data yang dirilis oleh World Health Organization (WHO) pada tahun 2021. Prinsip dasar klasifikasi K-Nearest Neighbor (KNN) adalah mencari jarak terdekat antara data yang akan dievaluasi dengan K data tetangga terdekat dalam data pelatihan. Metode ini juga digunakan dalam supervised learning, di mana hasil klasifikasi data baru didasarkan pada kedekatan jarak mayoritas dengan kategori yang ada dalam K-Nearest Neighbor (KNN). Dalam melakukan penelitian ini, metode yang dipilih oleh peneliti adalah Literature Review yang merupakan proses menganalisis, menelaah, dan merangkum berbagai referensi yang sesuai dan mengidentifikasi celah dalam penelitian. Literature Review ini digunakan oleh peneliti dengan cara mencari dan memilah berbagai artikel ilmiah yang terkait pembahasan. Pendekatan K-Nearest Neighbor (KNN) untuk klasifikasi penyakit kardiovaskular dapat menghasilkan nilai akurasi yang tinggi melalui perhitungan akurasi, recall, ketepatan, dan f1-score. Sehingga dapat meningkatkan ketepatan klasifikasi data, termasuk dalam kasus penyakit kardiovaskular atau data medis lainnya. Peneliti mengharapkan dalam penelitian selanjutnya, bisa menjadi suatu informasi untuk mengurangi penyakit kardiovaskular bagi banyak orang.
Literature Review Sistem Pakar Untuk Deteksi Dini Penyakit Diabetes Dengan Metode AI Decision Tree Dan Fuzzy Inference System Ibrahim Fajri, Muhamad; Darrel Lubawi, Achmad; Azzahra, Devita; Javier Rivanda, Fairuz; Rosyani, Perani
Jurnal Riset Informatika dan Inovasi Vol 2 No 7 (2024): JRIIN: Jurnal Riset Informatika dan Inovasi
Publisher : shofanah Media Berkah

Show Abstract | Download Original | Original Source | Check in Google Scholar

Abstract

Peningkatan kadar gula darah adalah tanda penyakit kronis yang dikenal sebagai diabetes melitus. Kondisi ini jika tidak terkontrol berdampak pada kerusakan serius pada banyak organ tubuh, seperti jantung, mata, dan saraf. Penelitian ini melakukan kajian pustaka (literature review) secara komprehensif untuk mengumpulkan, menganalisis, dan mengevaluasi berbagai penelitian sebelumnya terkait diabetes. Tujuannya adalah untuk mendapatkan pemahaman yang mendalam mengenai faktor risiko, serta metode diagnosis dan pengobatan diabetes yang telah ada. Melalui literature review ini, kita dapat mengidentifikasi celah pengetahuan yang ada dan merumuskan pertanyaan penelitian yang relevan. Decision Tree merupakan metode yang paling efektif dalam klasifikasi data, dalam hal ini adalah mengklasifikasikan seseorang sebagai penderita diabetes atau bukan. Fuzzy Inference System merupakan metode kecerdasan buatan yang sangat berguna dalam mengatasi masalah yang memiliki ketidakpastian. Dalam konteks deteksi diabetes FIS dapat membantu mengklasifikasikan seseorang sebagai penderita diabetes atau bukan dengan mempertimbangkan berbagai faktor risiko yang mungkin memiliki batasan yang tidak tegas. Sistem pakar yang dikembangkan diharapkan dapat membantu dalam diagnosis dini diabetes, sehingga penanganan yang tepat dapat diberikan lebih awal.