Implementasi Metode Modified K-Nearest Neighbor (MK-NN) Pada Sistem Diagnosa Penyakit Paru-Paru Anak

Akbar, DebyFaisol (2016) Implementasi Metode Modified K-Nearest Neighbor (MK-NN) Pada Sistem Diagnosa Penyakit Paru-Paru Anak. Sarjana thesis, Universitas Brawijaya.

Abstract

Paru-paru merupakan organ yang sangat penting karena merupakan satu-satunya organ yang berfungsi sebagai pompa pada sistem pernapasan. Oleh karena itu penyakit paru-paru cukup berbahaya bila tidak segera didiagnosa dan dilakukan penanganan khususnya pada anak-anak. Masyarakat awam pada umumnya mengalami kesulitan dalam mendiagnosa penyakit paru-paru. Terdapat 13 gejala dan 3 jenis penyakit utama paru-paru yang dapat menyerang anak-anak. Modified K-Nearest Neighbor (MK-NN) adalah sebuah metode yang dapat digunakan untuk mengklasifikasikan jenis penyakit paru-paru pada anak. Metode ini merupakan metode modifikasi dari metode K-Nearest Neighbor (K-NN) yang mengklasifikasikan data berdasarkan nilai bobot tertinggi dari kelas-kelas pada data latih yang sudah divalidasi dengan jarak terdekat berdasarkan nilai k yang sudah ditetapkan. Sistem ini akan mendiagnosa penyakit paru-paru pada anak berdasarkan masukan gejala dari pengguna. Pengujian yang dilakukan adalah pengujian akurasi. Pada hasil pengujian menunjukkan bahwa nilai k berpengaruh terhadap hasil akurasi yang dihasilkan. Tingkat akurasi tertinggi dari metode Modified K-Nearest Neighbor (MK-NN) untuk mendiagnosa penyakit paru-paru pada anak dengan menggunakan 75 dataset yaitu sebesar 98% pada saat nilai k = 1 dan 2.

Item Type: Thesis (Sarjana)
Identification Number: SKR/FTIK/2016/175/051601493
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: 01 Mar 2016 11:40
Last Modified: 21 Oct 2021 06:23
URI: http://repository.ub.ac.id/id/eprint/146710
[thumbnail of skripsi_deby_faisol_akbar_115060800111065.pdf]
Preview
Text
skripsi_deby_faisol_akbar_115060800111065.pdf

Download (4MB) | Preview

Actions (login required)

View Item View Item