Penerapan Algoritma K-Nearest Neighbor untuk Diagnosa Penyakit Lambung
DOI:
https://doi.org/10.29407/kn1kh804Abstract
Tingginya angka penderita gangguan lambung di masyarakat memerlukan sebuah sistem deteksi dini yang cepat, akurat, dan dapat diakses secara mandiri. Penelitian ini bertujuan untuk mengimplementasikan algoritma K-Nearest Neighbor (KNN) dalam melakukan klasifikasi dan diagnosa tiga jenis penyakit lambung, yaitu Dyspepsia, GERD, dan Gastritis berdasarkan gejala klinis yang dirasakan pasien. Data primer yang digunakan dalam penelitian ini diperoleh langsung melalui wawancara dengan tenaga medis yang mencakup himpunan gejala tiga jenis penyakit lambung tersebut. Proses klasifikasi dilakukan dengan mengukur kedekatan jarak antar vektor gejala menggunakan metrik Euclidean Distance. Hasil pengujian eksperimen menunjukkan bahwa model KNN yang dikembangkan berhasil mengenali pola gejala dengan sangat baik, dibuktikan melalui capaian rata-rata nilai akurasi total sebesar 92%. Penelitian ini membuktikan bahwa algoritma KNN sangat efektif dan memiliki stabilitas tinggi untuk diterapkan sebagai sistem penentu keputusan diagnosa medis awal gangguan lambung.
Keywords:
Diagnosa Medis, K-Nearest Neighbor, Penyakit Lambung.##plugins.themes.default.displayStats.downloads##
References
[1] T. F. Ramadhan, ―Penerapan Metode Algoritma Svm (Support Vector Machine) Untuk
Klasifikasi Penderita Penyakit Gastroesophageal Reflux Disease: Application Of Svm
(Support Vector Machine) Algorithm Method For Classification Of Gastroesophageal
Reflux Disease Patients,‖ Rabit: Jurnal Teknologi dan Sistem Informasi Univrab, vol. 10,
no. 2, pp. 1212–1219, 2025.
[2] A. I. Azmi, C. Lamasitudju, W. Wirdayanti, R. Azhar, and M. Miftah, ―KLASIFIKASI
PENYAKIT GASTRITIS MENGGUNAKAN ALGORITMA NAIVE BAYES DAN KNEAREST NEIGHBOR (KNN) DI PUSKESMAS TOTIKUM SELATAN KABUPATEN
BANGGAI KEPULAUAN,‖ JIPI (Jurnal Ilmiah Penelitian dan Pembelajaran Informatika),
vol. 10, no. 4, pp. 3429–3440, 2025.
[3] G. Gustin and H. Marcos, ―Sistem Pakar Diagnosis Penyakit Lambung Berdasarkan Gejala
dan Citra Endoskopi Menggunakan Metode Forward Chaining dan CNN,‖ Jurnal Tekno
Kompak, vol. 18, no. 2, pp. 392–401, 2024.
[4] N. Meilani and O. Nurdiawan, ―Data Mining untuk Klasifikasi Penderita Kanker Payudara
Menggunakan Algoritma K-Nearest Neighbor,‖ Jurnal Wahana Informatika, vol. 2, no. 1,
pp. 177–187, 2023.
[5] T. Abdurrahman, M. A. Saptari, and R. Fitria, ―Aplikasi Pendeteksi Penyakit Lambung Dan
Jantung Menggunakan Metode Case Based Reasoning (CBR),‖ Sisfo: Jurnal Ilmiah Sistem
Informasi, vol. 8, no. 1, pp. 48–64, 2024.
[6] S. Hamidani and R. Yanto, ―Sistem Cerdas Pemilihan Makanan Sehat Berbasis Case-Based
Reasoning dan SMART untuk Edukasi Pemenuhan Gizi Masyarakat,‖ Jurnal Pustaka AI
(Pusat Akses Kajian Teknologi Artificial Intelligence), vol. 5, no. 2, pp. 356–363, 2025.
[7] D. Ranti, A. Desiani, S. Yahdin, and S. Lamin, ―Sistem Pakar Diagnosa Penyakit Lambung
Menggunakan Metode Certainty Factor,‖ J Teknol, vol. 23, no. 2, p. 70, 2023.
[8] H. Sufi, D. W. Utomo, and G. Darmawati, ―Sistem pakar rekomendasi menu makanan sehat
penderita penyakit dengan metode forward chaining,‖ Jurnal KomtekInfo, pp. 8–14, 2023.
[9] Y. Rifa’i, ―Analisis metodologi penelitian kulitatif dalam pengumpulan data di penelitian
ilmiah pada penyusunan mini riset,‖ Cendekia Inovatif Dan Berbudaya, vol. 1, no. 1, pp.
31–37, 2023.
[10] Y. Pratama, A. Prayitno, D. Azrian, N. Aini, Y. Rizki, and E. Rasywir, ―Klasifikasi
Penyakit Gagal Jantung Menggunakan Algoritma K-Nearest Neighbor,‖ Bulletin of
Computer Science Research, vol. 3, no. 1, pp. 52–56, 2022.
[11] Yahya, Data Mining. Sukabumi: Jejak Publisher, 2022.
Downloads
Published
Issue
Section
License
This work is licensed under a Creative Commons Attribution-ShareAlike 4.0 International License.
Authors who publish with this journal agree to the following terms:
- Copyright on any article is retained by the author(s).
- The author grants the journal, right of first publication with the work simultaneously licensed under a Creative Commons Attribution License that allows others to share the work with an acknowledgment of the work’s authorship and initial publication in this journal.
- Authors are able to enter into separate, additional contractual arrangements for the non-exclusive distribution of the journal’s published version of the work (e.g., post it to an institutional repository or publish it in a book), with an acknowledgment of its initial publication in this journal.
- Authors are permitted and encouraged to post their work online (e.g., in institutional repositories or on their website) prior to and during the submission process, as it can lead to productive exchanges, as well as earlier and greater citation of published work.
- The article and any associated published material is distributed under the Creative Commons Attribution-ShareAlike 4.0 International License
