Nugroho, Alfian (2016) Implementasi Metode Weighted K-Nearest Neighbor Untuk Klasifikasi Donor Darah. Sarjana thesis, Universitas Brawijaya.
Abstract
Ada banyak penyebab kekurangan darah, mulai dari kecelakaan lalu lintas, proses melahirkan bagi wanita, proses operasi, penyakit dan lain sebagainya. Untuk mencegah terjadinya kekurangan darah tersebut, maka didirikanlah sebuah tempat untuk penyimpanan darah. Di Indonesia kita sering menyebut dengan istilah PMI. Akan tetapi PMI tidak selamanya memiliki tipe darah yang dibutuhkan. Di khawatirkan ketika membutuhkan tipe darah tertentu, stok darah tersebut sedang tidak ada. Walaupun ada tetapi terbatas. Selain itu ketika satu individual mendonorkan darahnya, tidak diketahui dengan pasti apakah individual tersebut akan mendonorkan darahnya secara periodik atau tidak di masa mendatang. Penelitian ini digunakan untuk mengetahui apakah seseorang akan mendonorkan darahnya di masa mendatang berdasarkan riwayat donor sebelumnya. Penelitian ini membahas penerapan metode WKNN (Weighted K-Nearest Neighbor) untuk klasifikasi donor darah. Algoritma WKNN adalah suatu algoritma yang memberikan bobot pada beberapa tetangga terdekat dengan record baru. Sistem yang akan dibangun menggunakan dataset donor darah yang diambil dari UCI Machine Learning Repository. Hasil dari pengujian ini adalah untuk mengetahui pengaruh data latih, nilai k dan mengetahui tingkat akurasi dari sistem ini. Dari hasil penelitian didapatkan akurasi sebesar 60% terhadap data latih , akurasi sebesar 60% terhadap nilai k. Bisa disimpulkan bahwa algoritma WKNN (Weighted K-Nearest Neighbor) bisa diterapkan dalam klasifikasi donor darah.
English Abstract
There are many causes of blood deficiency, ranging from traffic accidents, childbirth for women, operating processes, diseases and so forth. To prevent the blood shortage, it was established a place for the storage of blood. In Indonesia, we often refer to as PMI. However, PMI is not always have blood types are needed. In fear when needing certain blood types, blood stock that was not there. While there but limited. Additionally, when an individual donating blood, it is not known whether the individual will donate blood periodically or not in the future. This research is used to determine whether someone will donate blood in the future based on a history of previous donor. This study discusses the application of the method WKNN (Weighted K-Nearest Neighbor) for classification of blood transfusion. WKNN algorithm is an algorithm that gives weight to some of the nearest neighbors with a new record. The system will be built using a blood transfusion dataset taken from the UCI Machine Learning Repository. The results of this test is to determine the effect of training data, the value of k and determine the level of accuracy of this system. The result showed an accuracy of 60% of the training data, an accuracy of 60% of the value of k. It can be concluded that the WKNN algorithm (Weighted K-Nearest Neighbor) can be applied in the classification of blood transfusion.
| Item Type: | Thesis (Sarjana) |
|---|---|
| Identification Number: | SKR/FTIK/2016/603/051610886 |
| Subjects: | 000 Computer science, information and general works > 005 Computer programming, programs, data |
| Divisions: | Fakultas Ilmu Komputer > Teknik Informatika |
| Depositing User: | Sugiantoro |
| Date Deposited: | 22 Nov 2016 09:16 |
| Last Modified: | 21 Oct 2021 18:32 |
| URI: | http://repository.ub.ac.id/id/eprint/147183 |
Preview |
Text
Skripsi_Finale.pdf Download (3MB) | Preview |
Preview |
Text
Jurnal.pdf Download (2MB) | Preview |
Actions (login required)
 |
View Item |