Article Per Year (5 Year)
p-Index From 2021 - 2026
0.408
P-Index
This Author published in this journals
All Journal "JAMASTIKA" Jurnal Mahasiswa Teknik Informatika JAR'S (Journal of Advanced Research in Informatics)
iin, Nur Inayah
Unknown Affiliation
Computer Science & IT

Published : 2 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 2 Documents
Search

 1 
Klasifikasi Penyakit TBC Menggunakan Metode K-Nearest Neighbors (KNN) iin, Nur Inayah; Zaehol Fatah
Jurnal Mahasiswa Teknik Informatika Vol. 4 No. 2 (2025): Volume 4 Nomor 2 Oktober 2025
Publisher : Universitas Ngudi Waluyo

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

Abstract

Tuberkulosis (TBC) merupakan penyakit menular yang disebabkan oleh bakteri Mycobacterium tuberculosis dan masih menjadi tantangan besar bagi kesehatan Masyarakat di Indonesia. Penyakit ini dapat menular dengan cepat melalui percikan udara saat penderitabatuk atau bersin, serta berisiko tinggi menular di lingkungan keluarga, untuk mendukung penegakan diagnosis dan pengelompokan penyakit ini, penelitian ini menggunakan algoritma K-Nearest neighbors (KNN) dalam konteks data mining. Data mining Adalah suatu metode yang menggabungkan statistic, matematika, kecerdasan buatan, dan machine learning untuk menemukan pola serta informasi berharga dari sejumlah besar data. KNN dipilih karena kesederhanaannya dan kemudahan dalam pengelompokan data dengan cara menilai kedekatan objek baru, atau “tetangga terdekat” (K). algoritma ini mengelompokkan data berdasarkan jarak terdekat, Dimana hasil baru ditentukan oleh mayoritas kategori dari tetangga terdekatnya. Dalam penelitian ini, digunakan dataset TBC yang terdiri dari 300 data pasien, baik yang terdiagnosis maupun yang tidak. Penelitian ini memanfaatkan perangkat lunak RapideMiner. Hasil dari eskperimen menunjukkan bahwa metode KNN menghasilkan Tingkat akurasi terbesar 75.00% dalam pengelompokan penyakit TBC. Dengan demikian, KNN sangat terbukti efektif dalam melakukan pengklasifikasian, meskipun Tingkat akurasi terakhir masih tergantung pada data yang dianalisis, sehingga dibutuhkan evaluasi serta pembaruan yang berkelanjutan. Kata Kunci: Klasifikasi penyakit, Tuberkulosis (TBC), K-Nearest Neighbors (KNN), Data Mining, RapidMiner
KLASIFIKASI PENYAKIT TBC MENGGUNAKAN METODE K-NEAREST NEIGHBORS (KNN) IIN, Nur Inayah; Ridla, Muhammad Ali
Journal of Advanced Research in Informatics Vol 4 No 1 (2025): Journal of Advanced Research in Informatics
Publisher : Fakultas Teknik, Universitas Wiraraja

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.24929/jars.v4i1.4429

Abstract

- Tuberkulosis (TBC) merupakan penyakit yang dapat menular, disebabkan oleh bakteri Mycobacterium tuberkulosis. Penyakit ini dapat menyebar dengan cepat dan memberikan dampak yang signifikan terhadap kesehatan masyarakat, baik di kalangan anak-anak, dewasa, dan orang tua. Cara penularan yang paling sering terjadi adalah melalui langsung, terutama dari orang tua atau anggota keluarga kepada anak-anak. Menurut data yang dirilis oleh WHO, Indonesia menempati urutan kedua di dunia dalam hal jumlah kasus TBC, dengan angka kejadian sebesar 354 per 100.000 penduduk pada tahun 2021. karena itu, diperlukan deteksi yang cepat dan metode klasifikasi yang tepat. Salah satu metode yang bisa diterapkan adalah algoritma K-Nearest Neighbors (KNN) untuk memprediksi kondisi pasien berdasarkan informasi yang ada. Penelitian ini menganalisis 300 data pasien dengan 8 atribut sebagai klasifikasi variabel untuk menentukan apakah pasien terinfeksi TBC positif atau negatif. Proses KNN dilakukan menggunakan software RapidMiner . Kata kunc i : K-Nearest Neighbors (KNN) Klasifikasi Penyakit TBC RapidMiner
Co-Authors Ridla, Muhammad Ali Zaehol Fatah