Article Per Year (5 Year)
p-Index From 2021 - 2026
0
P-Index
This Author published in this journals
All Journal MULTIPLE: Journal of Global and Multidisciplinary
Karisma Jihan Syafira
Unknown Affiliation
Religion Humanities Decision Sciences, Operations Research & Management Economics, Econometrics & Finance Education Languange, Linguistic, Communication & Media Social Sciences Other

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

Found 1 Documents
Search

 1 
Penerapan Metode Algoritma K-Nearest Neighbor Menggunakan Rapidminer Studio Pada Klasifikasi Penyakit Gagal Jantung Karisma Jihan Syafira
urn:multiple://2988-7828multiple.v3i14
Publisher : Institute of Educational, Research, and Community Service

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

Abstract

Penyakit gagal jantung merupakan salah satu kondisi serius yang terjadi akibat ketidakmampuan jantung untuk memompa darah secara efektif ke seluruh tubuh. Tingginya prevalensi penyakit gagal jantung yang membutuhkan metode deteksi yang akurat dan cepat untuk meningkatkan prognosis pasien. Identifikasi dini penyakit gagal ginjal dapat membantu penderita dalam pengambilan keputusan klinis yang lebih baik. Tujuan penelitian ini adalah untuk mengembangkan model klasifikasi yang dapat secara efektif membedakan antara pasien dengan gagal jantung dan yang tidak, menggunakan algoritma K-Nearest Neighbor (K-NN). Data yang digunakan berjumlah 184 sampel. Metode yang digunakan dalam penelitian ini melibatkan beberapa tahap, mulai dari persiapan dataset, pembagian data menjadi set pelatihan dan pengujian, penerapan algoritma K-NN, hingga evaluasi model menggunakan metrik akurasi, presisi, dan recall. Hasil penelitian menunjukkan bahwa model K-NN yang dikembangkan memiliki akurasi sebesar 70.65%, dengan nilai presisi untuk kelas positif (M) sebesar 79.74% dan kelas negatif (F) sebesar 25.81%. Recall untuk kelas positif (M) mencapai 84.14%, sedangkan recall untuk kelas negatif (F) hanya 20.51%. Kesimpulan dari penelitian ini adalah bahwa model K-NN memiliki kinerja yang cukup baik dalam mengklasifikasikan penyakit gagal jantung, terutama dalam mendeteksi kasus positif.
Co-Authors