Nurhayati, WahyuSuci (2017) Sistem Pakar Deteksi Dini Penyakit Stroke Menggunakan Metode Improved K-Nearest Neighbor (Knn+). Sarjana thesis, Universitas Brawijaya.
Abstract
Stroke adalah serangan pada otak yang dapat terjadi secara tiba-tiba dengan akibat kematian atau kelumpuhan sebelah bagian tubuh, ini terjadi karena aliran darah ke otak terputus. Stroke merupakan penyebab kematian ketiga dinegara maju setelah penyakit jantung dan kanker. Untuk mengurangi tingginya angka kematian karena penyakit ini dilakukan pencegahan. Pencegahan dini dapat dilakukan melalui pemeriksaan dokter. Banyaknya faktor yang dapat memicu penyakit stroke menyebabkan dokter mengalami kendala dalam melakukan deteksi dini. Parameter-parameter yang tidak terstruktur tersebut dapat diselesaikan dengan menggunakan sistem pakar. Sistem pakar merupakan sistem yang digunakan untuk memecahkan permasalahan di kehidupan nyata. Pengetahuannya berasal dari seorang pakar. Sistem pakar dalam penelitian ini menggunakan metode Improved K-Nearest Neighbor (KNN+) dalam melakukan deteksi dini. Penelitian ini dapat mendeteksi tingkat resiko stroke mulai tinggi, sedang hingga rendah. Hasil pengujian menunjukan uji validasi fungsional sistem sebesar 100% pengujian akurasi terhadap variasi nilai k sebesar 87%, dan akurasi terhadap data latih sebesar 80%. Data latih yang digunakan sebanyak 120 dengan 30 data uji. Untuk proses penelitian, diawali dengan melakukan konsultasi dengan pakar penyakit stroke yakni dr. Eko Ari Setijono Marhendraputro, SpS (K). Setelah melakukan konsultasi, selanjutnya adalah menganalisa data mentah yang kemudian dikomputasi menggunakan metode KNN+ yang mana metode ini memiliki keakurasian yang lebih baik dari KNN biasa. Oleh karena itu, digunakanlah metode KNN+ untuk memecahkan permasalahan dalam diagnosis penyakit stroke. Hasil klasifikasi yang didapatkan memiliki akurasi maksimal sebesar 87% dengan nilai k= 1, data latih sebanyak 120 dan data uji sebanyak 30.
English Abstract
Stroke is a brain attack that can occur suddenly with the death or paralysis next to a body part, this occurs because blood flow to the brain is cut off. Stroke is the third leading cause of death in developed countries after heart disease and cancer. To reduce the high mortality from this disease do prevention. Early prevention can be done through a doctors examination. The number of factors that can trigger a stroke caused physicians experienced difficulties in implementing early detection. The parameters that are not structured that can be solved by using an expert system. The expert system is a system used to solve problems in real life. His knowledge comes from an expert. Expert systems in this study using the Improved K-Nearest Neighbor (KNN +) in early detection. This study was able to detect the level of risk of stroke high, medium until low. The test results showed functional validation test system by 100% accuracy testing to variations in the value of k is 87% and accuracy of training data is 80%. The data used to train a total of 120 by 30 test data. For the research process, beginning with a consultation with an expert stroke that here is dr. Eko Ari Setijono Marhendraputro, SPS (K). After consultation, the next is to analyze the raw data is then computed using the method KNN + which, this method has a better accuracy than usual KNN. Therefore, KNN + method is used to solve problems in the diagnosis of stroke. The classification results obtained have an accuracy of 87%, with k =1 and 120 training data and test data 30.
| Item Type: | Thesis (Sarjana) |
|---|---|
| Identification Number: | SKR/FTIK/2017/54/051701150 |
| Subjects: | 000 Computer science, information and general works > 005 Computer programming, programs, data |
| Divisions: | Fakultas Ilmu Komputer > Teknik Informatika |
| Depositing User: | Kustati |
| Date Deposited: | 13 Feb 2017 09:24 |
| Last Modified: | 22 Oct 2021 06:27 |
| URI: | http://repository.ub.ac.id/id/eprint/147485 |
Preview |
Text
2017_01_26_Suci_Laporan_CD.pdf Download (5MB) | Preview |
Preview |
Text
2017_01_26_Suci_Paper_Improved_KNN.pdf Download (1MB) | Preview |
Actions (login required)
 |
View Item |