Article Per Year (5 Year)
p-Index From 2020 - 2025
0.23
P-Index
This Author published in this journals
All Journal SAINTEK
Fajar Lukman Hakim
Unknown Affiliation
Automotive Engineering Civil Engineering, Building, Construction & Architecture Computer Science & IT Engineering Industrial & Manufacturing Engineering

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

Found 1 Documents
Search

 1 
Pengembangan Aplikasi Prediksi Stroke Berbasis Web dengan Algoritma K-Nearest Neighbors dan Naive Bayes Alifia Ananda Putri; Febriyani Nurhida; Rafli Untara; Sutriyono; Fajar Lukman Hakim
Prosiding Sains dan Teknologi Vol. 4 No. 1 (2025): Seminar Nasional Sains dan Teknologi (SAINTEK) ke 4 - Februari 2025
Publisher : DPPM Universitas Pelita Bangsa

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

Abstract

Stroke adalah salah satu kondisi medis yang memiliki tingkat kematian dan kecacatan yang tinggi di seluruh dunia. Mendeteksi risiko stroke secara dini sungguhlah penting guna meminimalkan dampak yang tidak diinginkan dari penyakit tersebut. Maka, tujuan dari penelitian ini adalah untuk menciptakan aplikasi berbasis web yang mampu meramalkan potensi risiko stroke dengan memanfaatkan metode mechine learning. Dalam penelitian ini, dua model mechine learning yang digunakan adalah K-Nearest Neighbors (KNN) dan Naive Bayes. Aplikasi ini dibuat untuk memberikan prediksi yang tepat berdasarkan informasi pasien seperti usia, jenis kelamin, tekanan darah, dan faktor risiko lainnya. Metode KNN digunakan untuk mengelompokkan data berdasarkan kedekatan titik data, sedangkan Naive Bayes digunakan untuk menentukan probabilitas terjadinya stroke dengan mempertimbangkan asumsi independensi antar fitur. Hasil prediksi Model K-Nearest Neighbors (KNN) menerangkan akurasi keseluruhan sebesar 0.95, yang menerangkan performa tinggi dalam memberikan prediksi yang akurat dan Model Naive Bayes mempunyai akurasi keseluruhan sebesar 0.87, yang juga baik, namun lebih rendah dibandingkan menggunakan K-Nearest Neighbors (KNN).
Co-Authors Alifia Ananda Putri Febriyani Nurhida Rafli Untara Sutriyono