Keywords
Gagal Jantung
KNN
How to Cite
Abstract
Artikel ini mengeksplorasi penggunaan algoritma K-Nearest Neighbors (K-NN) untuk klasifikasi pasien gagal jantung berdasarkan data klinis dari Kaggle. Proses penelitian mencakup pra-pemrosesan data, normalisasi fitur, pemilihan parameter k optimal melalui cross-validation, dan evaluasi model dengan metrik akurasi, precision, recall, dan F1-score. Hasil menunjukkan bahwa algoritma K-NN dengan parameter k=7 optimal mampu mengklasifikasikan kematian pasien dengan akurasi yang memadai sebesar 84%. Penemuan ini menunjukkan potensi besar dari penggunaan K-NN dalam mendukung pengambilan keputusan klinis dan meningkatkan diagnosis kematian akibag gagal jantung. Implementasi data mining dengan K-NN menawarkan pendekatan yang efektif untuk analisis medis, berkontribusi pada peningkatan kualitas perawatan pasien.
References
D. Prihatiningsih dan T. Sudyasih, “Perawatan Diri Pada Pasien Gagal Jantung,” Des 2018, Diakses: 7 Juni 2024. [Daring]. Tersedia pada: http://localhost:8080/xmlui/handle/123456789/800
Y. Pratama, A. Prayitno, D. Azrian, N. Aini, Y. Rizki, dan E. Rasywir, “Klasifikasi Penyakit Gagal Jantung Menggunakan Algoritma K-Nearest Neighbor,” Bulletin of Computer Science Research, vol. 3, no. 1, hlm. 52–56, Des 2022, doi: 10.47065/BULLETINCSR.V3I1.203.
D. A. Firdlous, “Komparasi Algoritma Klasifikasi Data Mining Untuk Memprediksi Penyakit Jantung,” Infoman’s : Jurnal Ilmu-ilmu Manajemen dan Informatika, vol. 16, no. 1, hlm. 79–84, Mei 2022, Diakses: 7 Juni 2024. [Daring]. Tersedia pada: https://journal.unsap.ac.id/index.php/infomans/article/view/412
A. Setiawan, R. F. Waleska, M. A. Purnama, Rahmaddeni, dan L. Efrizoni, “KOMPARASI ALGORITMA K-NEAREST NEIGHBOR (K-NN), SUPPORT VECTOR MACHINE (SVM), DAN DECISION TREE DALAM KLASIFIKASI PENYAKIT STROKE,” Jurnal Informatika dan Rekayasa Elektronik, vol. 7, no. 1, hlm. 107–114, Apr 2024, doi: 10.36595/JIRE.V7I1.1161.
A. Muhadi dan A. Octaviano, “Penerapan Data Mining Untuk Prediksi Hasil Keuntungan Lelang Mesin X-Ray Tahun 2020 Dengan Metode K-Nearest Neighbor (Studi Kasus : PT.Ramadika Mandiri),” Jurnal Informatika Multi, vol. 1, no. 2, hlm. 126–136, Mar 2023, Diakses: 7 Juni 2024. [Daring]. Tersedia pada: https://jurnal.publikasitecno.id/index.php/multi/article/view/19
R. Setiawan dan A. Triayudi, “Klasifikasi Status Gizi Balita Menggunakan Naïve Bayes dan K-Nearest Neighbor Berbasis Web,” JURNAL MEDIA INFORMATIKA BUDIDARMA, vol. 6, no. 2, hlm. 777–785, Apr 2022, doi: 10.30865/MIB.V6I2.3566.
M. Baharuddin, M. M. Baharuddin, H. Azis, dan T. Hasanuddin, “ANALISIS PERFORMA METODE K-NEAREST NEIGHBOR UNTUK IDENTIFIKASI JENIS KACA,” ILKOM Jurnal Ilmiah, vol. 11, no. 3, hlm. 269–274, Des 2019, doi: 10.33096/ilkom.v11i3.489.269-274.
H. K. Pambudi dkk., “PREDIKSI STATUS PENGIRIMAN BARANG MENGGUNAKAN METODE MACHINE LEARNING,” Jurnal Ilmiah Teknologi Infomasi Terapan, vol. 6, no. 2, hlm. 100–109, Apr 2020, doi: 10.33197/JITTER.VOL6.ISS2.2020.396.
D. Immanuel Salintohe, I. Alwiah Musdar, T. Informatika, dan S. Kharisma Makassar, “IMPLEMENTASI MACHINE LEARNING UNTUK MENGIDENTIFIKASI TANAMAN HIAS PADA APLIKASI TIERRA,” JTRISTE, vol. 9, no. 1, hlm. 1–15, Mar 2022, doi: 10.55645/JTRISTE.V9I1.360.
D. Theodorus, S. Defit, dan G. W. Nurcahyo, “Machine Learning Rekomendasi Produk dalam Penjualan Menggunakan Metode Item-Based Collaborative Filtering,” Jurnal Informasi dan Teknologi, hlm. 202–208, Des 2021, doi: 10.37034/JIDT.V3I4.151.
F. T. Admojo dan Ahsanawati, “Klasifikasi Aroma Alkohol Menggunakan Metode KNN,” Indonesian Journal of Data and Science, vol. 1, no. 2, hlm. 34–38, Jul 2020, doi: 10.33096/IJODAS.V1I2.12.
F. T. Admojo dan Ahsanawati, “Klasifikasi Aroma Alkohol Menggunakan Metode KNN,” Indonesian Journal of Data and Science, vol. 1, no. 2, hlm. 34–38, Jul 2020, doi: 10.33096/IJODAS.V1I2.12.
S. P. Adenugraha, V. Arinal, dan D. I. Mulyana, “Klasifikasi Kematangan Buah Pisang Ambon Menggunakan Metode KNN dan PCA Berdasarkan Citra RGB dan HSV,” JURNAL MEDIA INFORMATIKA BUDIDARMA, vol. 6, no. 1, hlm. 9–17, Jan 2022, doi: 10.30865/MIB.V6I1.3287.
L. Mardiana, D. Kusnandar, dan N. Satyahadewi, “ANALISIS DISKRIMINAN DENGAN K FOLD CROSS VALIDATION UNTUK KLASIFIKASI KUALITAS AIR DI KOTA PONTIANAK,” Bimaster : Buletin Ilmiah Matematika, Statistika dan Terapannya, vol. 11, no. 1, hlm. 97–102, Jan 2022, doi: 10.26418/BBIMST.V11I1.51608.
A. Puspita Sari, A. Nugroho Sihananto, dan D. Arman Prasetya, “Implementasi Metode K-NN dalam Klasterisasi Kasus Kesehatan Jantung,” ALINIER: Journal of Artificial Intelligence & Applications, vol. 3, no. 2, hlm. 94–99, Des 2022, doi: 10.36040/ALINIER.V3I2.5761.
Andrew MVD. (2020). Heart Failure Clinical Data. Kaggle. Retrieved from https://www.kaggle.com/datasets/andrewmvd/heart-failure-clinical-data
This work is licensed under a Creative Commons Attribution-ShareAlike 4.0 International License.
Copyright (c) 2024 Atma Agilia Triwardani, Muhlishoh Husna Ulfiah, Aidina Ristyawan, Erna Daniati