cover
Contact Name
Harliana
Contact Email
harliana@umus.ac.id
Phone
+6281313332424
Journal Mail Official
intech@umus.ac.id
Editorial Address
Jl. P. Diponogoro KM. 2 Wanasari, Brebes 52252 Tel / fax : (0283) 619 9000 / 0813 1333 2424
Location
Kab. brebes,
Jawa tengah
INDONESIA
Jurnal Ilmiah Intech : Information Technology Journal of UMUS
ISSN : -     EISSN : 26854902     DOI : 10.46772/intech
Core Subject : Science,
Jurnal Ilmiah Intech : Information Technology Journal of UMUS terbit 2 (dua) kali dalam satu tahun yaitu Mei dan November yang berisi hasil pemikiran dan penelitian pada bidang Ilmu Komputer dan Informatika, dnegan fokus dan ruang lingkup: 1. ilmu komputer: Artificial Intelligence, Machine Learning, Data Mining, Expert System, Decission Support System 2. Informatika : Web Programming, Mobile Computing, Computer Network, Pembuatan Sistem Informasi, Database System, Security System.
Articles 1 Documents
Search results for , issue "Vol 7 No 1 (2025): Mei" : 1 Documents clear
Implemenatasi Algoritma K-Nearest Neighbor (KNN) dalam Memprediksi Penyakit: Implemenatasi Algoritma K-Nearest Neighbor (KNN) dalam Memprediksi Penyakit Agyztia Premana; Pergiwati, Dewi
Jurnal Teknik Informatika UMUS Vol 7 No 1 (2025): Mei
Publisher : Universitas Muhadi Setiabudi

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.46772/intech.v8i1.1800

Abstract

Stroke merupakan gangguan fungsi otak yang disebabkan oleh terganggunya aliran darah ke otak. Penyakit stroke dapat menyebabkan kecacatan pada penderitanya atau bahkan kematian. Data Organisasi Stroke Dunia menyatakan bahwa setiap tahun terdapat 13,7 juta penderita stroke dan 5,5 juta kasus kematian akibat stroke. Penyakit ini merupakan penyakit mematikan nomor tiga dunia. Berdasarkan hal tersebut maka penelitian ini bertujuan untuk melakukan penerapan algoritma K-Nearest Neighbor dalam memprediksi penyakit stroke serta dapat mengetahui akurasi yang dihasilkan algoritma KNN dalam memprediksi penyakit stroke. Melalui hasil perhitungan klasifikasi-prediksi pada data penyakit stroke dengan data latih sebanyak 80 data dan data uji sebanyak 20 data dapat diketahui bahwa algoritma KNN dapat melakukan prediksi penyakit stroke berdasarkan jenis kelamin, umur, hipertensi, riwayat penyakit jantung, status menikah, tipe pekerjaan, tipe tempat tinggal, rerata kadar glukosa , bmi dan status merokok dengan akurasi yang didapatkan sebesar 95% dengan nilai k=9.

Page 1 of 1 | Total Record : 1