Article Per Year (5 Year)
p-Index From 2021 - 2026
0.23
P-Index
This Author published in this journals
All Journal Journal of Artificial Intelligence and Digital Business
Tukan, Maria Anjelina Domu
Unknown Affiliation
Computer Science & IT Economics, Econometrics & Finance Electrical & Electronics Engineering Engineering

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

Found 1 Documents
Search

 1 
Implementasi Algoritma K-Nearest Neighbors untuk Rekomendasi Diet Tinggi Serat dalam Mencegah Penyakit Jantung Tukan, Maria Anjelina Domu; Weking, Alfian Nara; Watomakin, Dominikus Boli
RIGGS: Journal of Artificial Intelligence and Digital Business Vol. 4 No. 3 (2025): Agustus - October
Publisher : Prodi Bisnis Digital Universitas Pahlawan Tuanku Tambusai

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.31004/riggs.v4i3.2099

Abstract

Penyakit jantung merupakan salah satu ancaman kesehatan utama di era modern dan menjadi penyebab kematian tertinggi di seluruh dunia. Jumlah kematian akibat penyakit jantung mencapai 17,9 juta jiwa secara global. Di Indonesia, angka kematian akibat penyakit jantung terus meningkat dari tahun ke tahun. Tercatat sebanyak 15 dari setiap 1.000 orang, atau sekitar 2.784.064 jiwa di Indonesia, menderita penyakit jantung. Untuk mencegah tingginya angka kematian akibat penyakit jantung, diperlukan upaya pencegahan dini guna mengurangi risiko terjadinya penyakit tersebut. Tujuan dari penelitian ini adalah untuk mengevaluasi efektivitas algoritma K-Nearest Neighbor (K-NN) dalam menganalisis data pola makan tinggi serat guna mencegah penyakit jantung. Penelitian ini juga bertujuan untuk mengidentifikasi pola konsumsi serat yang optimal bagi kesehatan jantung, memberikan rekomendasi gaya hidup sehat berbasis data, serta mengembangkan model prediksi yang akurat dan efisien. Algoritma K-Nearest Neighbor (K-NN) merupakan pendekatan yang sederhana dan mudah diimplementasikan. Metode ini efektif digunakan pada dataset yang memiliki banyak atribut serta mampu menangani permasalahan klasifikasi atau regresi dengan lebih dari dua kelas tanpa memerlukan modifikasi besar. Hasil penelitian menunjukkan bahwa algoritma K-NN sangat efektif dalam merekomendasikan makanan, dengan prediksi model menghasilkan akurasi sebesar 93%.
Co-Authors Watomakin, Dominikus Boli Weking, Alfian Nara