Perbandingan Algoritma K-Nearest Neighbors (K-NN) dan Random forest terhadap Penyakit Gagal Jantung

Fredilio Fredilio, Julfikar Rahmad, Stiven Hamonangan Sinurat, Daniel Ryan Hamonangan Sitompul, Dennis Jusuf Ziegel, Evta Indra

Abstract


Penelitian ini bertujuan untuk membandingkan akurasi algoritma K-Nearest Neighbor (K-NN) dan Random Forest dalam mengklasifikasikan penyebab penyakit gagal jantung. Penyakit ini menjadi salah satu penyebab utama kematian di seluruh dunia dan kasusnya terus meningkat di Indonesia. Oleh karena itu, penanganan dan klasifikasi dini terhadap penyebab gagal jantung sangat diperlukan untuk mencegah penyakit tersebut. Penelitian ini diharapkan dapat memberikan informasi tentang metode terbaik untuk mengklasifikasikan penyebab penyakit gagal jantung serta memberikan manfaat bagi tenaga medis dan masyarakat umum dalam menjaga kesehatan jantung mereka.


Full Text:

PDF

References


Adrian, M. R., Putra, M. P., Rafialdy, M. H., & Rakhmawati, N. A. (2021). Perbandingan Metode Klasifikasi Random Forest Dan SVM Pada Analisis Sentimen PSBB. Jurnal Informatika Upgris, 7(1), 36–40. Https://Doi.Org/10.26877/Jiu.V7i1.7099

Amos, S. (2013). When Training And Test Sets Are Different: Characterizing Learning Transfer. Dataset Shift In Machine Learning, 2–28. Https://Doi.Org/10.7551/ Mitpress/9780262170055.003.0001

Anggara, Z. T., Dzulqarnain, M. F., & Sujatmiko, W. (2022). Visualisasi Data Citra Untuk Klasifikasi Kalimantan ’ S Batik Production Menggunakan Neural Network Website-Based Gymship Management System Backend Design At Alterra Academy. 1(2), 32–37.

Desiani, A., Akbar, M., Irmeilyana, & Amran, A. (2022). Implementasi Algoritma Naïve Bayes Dan Support Vector Machine ( SVM ) Pada Klasifikasi Penyakit Kardiovaskular. Jurnal Teknik Elektro Dan Komputasi (ELKOM), 4(2), 207–214.

Disease, H. F. (2022). Penerapan Algoritma Decision Tree C5 . 0 Untuk Memprediksi Tingkat Kematian Pasien Penyakit Gagal Jantung. 4(02), 216–222.

Hasanah, Q., Oktavianto, H., & Rahayu, Y. D. (2022). Analisis Algoritma Gaussian Naive Bayes Terhadap Klasifikasi Data Pasien Penderita Gagal Jantung. Jurnal Smart Teknologi, 3(4), 382–389.

Lumi, A. P., Joseph, V. F. F., & Polii, N. C. I. (2021). Rehabilitasi Jantung Pada Pasien Gagal Jantung Kronik. Jurnal Biomedik:JBM, 13(3), 309. Https://Doi.Org/10.35790/ Jbm.V13i3.33448

Moriasi, D. N., Arnold, J. G., Liew, M. W. Van, Bingner, R. L., Harmel, R. D., & Veith, T. L. (2007). Model Evaluation Guidelines For Systematic Quantification Of Accuracy In Watershed Simulations. 50(3), 885–900.

Prihatiningsih, D., & Sudyasih, T. (2018). Perawatan Diri Pada Pasien Gagal Jantung. Jurnal Pendidikan Keperawatan Indonesia, 4(2). Https://Doi.Org/10.17509/Jpki.V4i2.13443

Prima, J., Sistem, J., Komputer, I., No, V., Radhi, M., Ryan, D., Sitompul, H., Sinurat, S. H., & Indra, E. (2021). Prediksi Harga Mobil Menggunakan Algoritma Regressi Dengan Hyper-Parameter Tuning. 4(2), 1–5.

Putri, I. P. (2021). Analisis Performa Metode K- Nearest Neighbor (KNN) Dan Crossvalidation Pada Data Penyakit Cardiovascular. Indonesian Journal Of Data And Science, 2(1), 21–28. Https://Doi.Org/10.33096/Ijodas.V2i1.25

Reza Noviansyah, M., Rismawan, T., Marisa Midyanti, D., (2018). Penerapan Data Mining Menggunakan Metode K-Nearest Neighbor Untuk Klasifikasi Indeks Cuaca Kebakaran Berdasarkan Data AWS (Automatic Weather Station) (Studi Kasus: Kabupaten Kubu Raya). Jurnal Coding, Sistem Komputer Untan, 06(2), 48–56.

Said, H., Matondang, N., Nurramdhani Irmanda, H., & Informasi, S. (2022). Penerapan Algoritma K-Nearest Neighbor Untuk Memprediksi Kualitas Air Yang Dapat Dikonsumsi Application Of K-Nearest Neighbor Algorithm To Predict Consumable Water Quality. 21(2), 256–267. Www.Kaggle.Com

Saida, S., Haryati, H., & Rangki, L. (2020). Kualitas Hidup Penderita Gagal Jantung Kongestif Berdasarkan Derajat Kemampuan Fisik Dan Durasi Penyakit. Faletehan Health Journal, 7(02), 70–76. Https://Doi.Org/10.33746/Fhj.V7i02.134

Sutrisno, S. (2022). Sistem Pakar Mendiagnosa Penyakit Gagal Jantung Pada Manusia Dengan Menggunakan Metode Certainty Factor Berbasis Web. Jurnal Ilmu Komputer Dan Sistem Informasi (JIKOMSI), 5(1), 20–27. Https://Doi.Org/10.55338/ Jikomsi.V5i1.207.

Wahyono, T. (2018). Fundamental Of Python For Machine Learning: Dasar-Dasar Pemrograman Python Untuk Machine Learning Dan Kecerdasan Buatan. Gava Media, September 2018, 49.




DOI: https://doi.org/10.37012/jtik.v9i1.1432

Refbacks

  • There are currently no refbacks.


Copyright (c) 2023 julfikar rahmad, fredi lio, stiven hamonangan sinurat, danielryan hamonangan sitompul, dennis jusuf ziegel, evta indra

Creative Commons License
This work is licensed under a Creative Commons Attribution 4.0 International License.

Address:
Universitas Mohammad Husni Thamrin
Jl. Raya Pd. Gede No.23-25, RT.2/RW.1, Dukuh, Kec. Kramat jati, Kota Jakarta Timur, Daerah Khusus Ibukota Jakarta 13550

Creative Commons License
Jurnal Teknologi Informatika & Komputer Mohammad Husni Thamrin is licensed under a Creative Commons Attribution 4.0 International License.

View My Stats