<![CDATA[Kualitas urin merupakan indikator penting dalam memantau kondisi kesehatan seseorang. Faktor-faktor seperti pola makan, gaya hidup, dan kondisi kesehatan secara umum dapat tercermin melalui hasil analisis urin. Oleh karena itu, penelitian yang mendalam mengenai prediksi kualitas urin memiliki nilai penting dalam mendukung upaya pencegahan penyakit dan pemeliharaan kesehatan. Metode klasifikasi machine learning, termasuk K-Nearest Neighbors (KNN)Penelitian ini bertujuan untuk menganalisis kemampuan algoritma K-Nearest Neighbors (KNN) dalam memprediksi kualitas urin berdasarkan data hasil pemeriksaan urinalisis. Dataset yang digunakan terdiri dari berbagai parameter fisik, kimia, dan mikroskopik urin, seperti warna, transparansi, glukosa, protein, pH, berat jenis, dan keberadaan sel. Data telah melalui tahapan pra-pemrosesan meliputi pengisian nilai kosong, pengkodean label kategorikal, dan normalisasi numerik. Model KNN diimplementasikan dengan nilai k = 5 dan evaluasi dilakukan menggunakan metode 5-Fold Cross Validation. Hasil evaluasi menunjukkan bahwa model KNN memiliki rata-rata akurasi sebesar 94,22%, precision 92,49%, recall 94,22%, dan F1 score 92,64%. Berdasarkan hasil tersebut, dapat disimpulkan bahwa metode KNN cukup efektif untuk memprediksi kualitas urin sebagai bagian dari sistem pendukung keputusan dalam bidang kesehatan.]]>
Copyrights © 2025
