Perbandingan Algoritma K-Nearest Neighbors (K-NN) dan Random forest terhadap Penyakit Gagal Jantung
DOI:
https://doi.org/10.37012/jtik.v9i1.1432Abstract
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.
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.
Downloads
Published
Issue
Section
Citation Check
License
Jurnal Teknologi Informatika dan Komputer allows readers to read, download, copy, distribute, print, search, or link to the full texts of its articles and allow readers to use them for any other lawful purpose. The journal allows the author(s) to hold the copyright without restrictions. Finally, the journal allows the author(s) to retain publishing rights without restrictions Authors are allowed to archive their submitted article in an open access repository Authors are allowed to archive the final published article in an open access repository with an acknowledgment of its initial publication in this journal.
Jurnal Teknlogi Informatika dan Komputer is licensed under a Creative Commons Attribution 4.0 International License.
