Meristika, YanitaSelly (2013) Perbandingan K-Nearest Neighbor Dan Fuzzy K-Nearest Neighbor Pada Diagnosis Penyakit Diabetes Melitus. Sarjana thesis, Universitas Brawijaya.
Abstract
Pada Perkembangan Di Dunia Kedokteran Saat Ini, Peneliti Dan Praktisi Memusatkan Perhatiannya Untuk Mendeteksi Diabetes Melitus (DM) Dan Mencegah Atau Menghambat Berkembangnya Komplikasi. Hal Ini Dikarenakan Banyaknya Pasien Terdiagnosis DM Setelah Terjadi Komplikasi. Padahal DM Bisa Diatasi Jika Dideteksi Lebih Cepat. Salah Satu Metode Untuk Pendeteksiannya Dapat Menggunakan Teknik Data Mining. Pada Penelitian Ini Dilakukan Perbandingan Antara Dua Metode Yaitu K-Nearest Neighbor (K-NN) Dan Fuzzy K-Nearest Neighbor (FK-NN) Untuk Mendeteksi DM. Dataset DM Diambil Dari Repositori UCI Diabetes Indian Pima Yang Terdiri Dari Data Klinis Pasien Terdeteksi Positif Dan Negatif DM. K-NN Merupakan Teknik Klasifikasi Yang Melakukan Prediksi Secara Tegas Pada Data Uji Berdasarkan K Tetangg Terdekat. Sedangkan FK-NN Melakukan Prediksi Data Uji Menggunakan Nilai Keanggotaan Pada Data Uji Di Tiap Kelas, Kemudian Diambil Kelas Dengan Nilai Keanggotaan Terbesar Dari Data Uji Sebagai Kelas Hasil Prediksi. Pengujian Ini Dilakukan Terhadap 4 Jumlah Data Latih Yang Berbeda Yaitu 80, 130, 180, Dan 230 Dengan Menggunakan Jumlah Data Uji Yang Sama Yaitu 50 Data. Hasil Pengujian Yang Dilakukan Menunjukkan Tingkat Akurasi Tertinggi Terdapat Pada FK-NN Yakni Mencapai 98%. Sedangkan K-NN Akurasi Tertingginya Hanya Mencapai 96%. Ini Berarti Fuzzy K-Nearest Neighbor Memberikan Prediksi Yang Lebih Baik Dibandingkan K-Nearest Neighbor
English Abstract
On The Progress Of Medical World Today, Researchers And Practitioners Are Focusing On Detect Of Diabetes Mellitus (DM) And Prevent Or Inhibit The Complication Evolving. It Is Because Of There Are Many Patients Diagnosed With Diabetes After Complications Occur. Whereas, DM Can Be Treated If Detected More Quickly. One Of The Methods To Detect Them Is Data Mining Techniques. In This Research, I Use The Comparison Between The Two Methods To Detect Diabetes, They Are The K-Nearest Neighbor (K-NN) And Fuzzy K-Nearest Neighbor (FK-NN). DM Datasets Are Taken From The UCI Repository Diabetic Of Pima Indians That Consists Of Clinical Data Patients Who Are Diagnosed With Positive And Negative Diabetes. K-NN Is A Classification Technique That Explicitly Predict Test Data Based On The Nearest Neighbors Of K. While FK-NN Predict Data Using The Membership Values On Test Data In Each Clas, And Then Taken A Class With The Largest Membership Value Of The Test Data As A Class Prediction Results. This Research Is Conducted On 4 Different Amount Of Training Data, They Are 80, 130, 180, And 230 Then Each Of Them Using 50 Data. The Results Of The Tests Show The Highest Level Of Accuracy Is Found In The FK - NN, Reaching 98%. While K - NN Highest Accuracy Only Reaches 96%. It Means That Fuzzy K-Nearest Neighbor Gives A Better Prediction Than The K - Nearest Neighbor
| Item Type: | Thesis (Sarjana) |
|---|---|
| Identification Number: | SKR/FTIIK/2013/188/051400181 |
| Subjects: | 000 Computer science, information and general works > 005 Computer programming, programs, data |
| Divisions: | Fakultas Ilmu Komputer > Teknik Informatika |
| Depositing User: | Budi Wahyono Wahyono |
| Date Deposited: | 16 Jan 2014 14:51 |
| Last Modified: | 23 Oct 2021 08:34 |
| URI: | http://repository.ub.ac.id/id/eprint/145669 |
Preview |
Text
1_cover.pdf Download (1MB) | Preview |
Preview |
Text
Bab_I.pdf Download (1MB) | Preview |
Preview |
Text
2_Halaman_Awal.pdf Download (1MB) | Preview |
Preview |
Text
Bab_II.pdf Download (2MB) | Preview |
Preview |
Text
Bab_III.pdf Download (2MB) | Preview |
Preview |
Text
Bab_IV.pdf Download (2MB) | Preview |
Preview |
Text
Bab_V.pdf Download (1MB) | Preview |
Preview |
Text
Bab_VI.pdf Download (1MB) | Preview |
Preview |
Text
daftar_pustaka.pdf Download (1MB) | Preview |
Preview |
Text
Jurnal.pdf Download (2MB) | Preview |
Actions (login required)
 |
View Item |