<![CDATA[Nyeri Punggung Bawah merupakan salah satu masalah kesehatan yang bisa meyebabkan terhambatnya aktivitas sehari-hari. Nyeri Punggung Bawah tidak menyebabkan kematian, tetapi menyebabkan seseorang yang mengalaminya menjadi tidak produktif dalam melakukan pekerjaan. Penelitian ini bertujuan untuk mengklasifikasi Nyeri Punggung Bawah seseorang apakah dalam kondisi abnormal atau normal dengan menggunakan algoritma K-Nearest Neighbor (KNN) dan Support Vector Machine (SVM) dengan metode training persentase split dan K-Fold Cross Validation. Adapun atribut yang digunakan yaitu, Pelvic Insidence, Pelvic Tilt, Lumbar Lordosis Angle, Sacral Slope, Pelvic Radius, Degree Spondylolisthesis, Pelvic Slope, Direct Tilt, Thoracic Slope, Cervical Tilt, Sacrum Angle, Scoliosis Slope, dan class. Hasil pengolahan data dengan algoritma K-Nearest Neighbor (KNN) yaitu akurasi sebesar 87,1 %, presisi abnormal 87% dan normal 88%, serta recall abnormal 83% dan normal 87%, sedangkan dengan menggunakan algoritma Support Vector Machine (SVM) akurasi sebesar 83,8%, presisi abnormal 86% dan normal 88%, serta recall abnormal 92% dan normal 72%. Hal ini menunjukkan bahwa model dan atribut yang digunakan baik dalam mengklasifikasi Nyeri Punggung Bawah.]]>
Copyrights © 2025
