Syahiwa, Nabila (2017) Implementasi Fuzzy K-Nearest Neighbor Untuk Diagnosis Penyakit Tiroid. Sarjana thesis, Universitas Brawijaya.
Abstract
Hormon tiroid sangat penting untuk organ tubuh lainnya, yaitu untuk menghasilkan protein, mengatur suhu tubuh serta memproduksi dan mengatur keseluruhan energi. Sehingga penyakit atau gangguan yang menyerang tiroid tidak boleh dianggap remeh. Diagnosis penyakit ini sulit dilakukan, hal ini dikarenakan gejala yang terjadi bermacam-macam, tergantung naik dan turunnya hormon tiroid. Untuk memudahkan seseorang yang mengidap penyakit ini dalam mendiagnosis perlu dibuatnya sistem. Pada penelitian ini menggunakan metode fuzzy k-nearest neighbor untuk membantu mendiagnosis penyakit tiroid. Pada tahap awal metode ini adalah memasukkan data latih dan data uji yang berisi lima atribut yaitu berupa T3RU, total serum thyroxin, total serum triiodothyronine, TSH dan thyrotropin. Pada data tersebut, kemudian dilakukan normalisasi data, pengklasifikasian menggunakan k-nearest neighbor dan fuzzy. Sehingga didapatkan keluaran akhir dari implementasi diagnosis penyakit yaitu normal, hipertiroid dan hipotiroid. Hasil pengujian yang dilakukan pada penelitian ini didapatkan nilai akurasi tertinggi sebesar 100%.
English Abstract
Thyroid hormone is essential to other vital organs, for producing proteins, regulates body temperature and produce and regulate energy. As diseases or disorders that attack the thyroid should not be taken lightly. Diagnosis of the disease is hard to do, this is because the symptoms happen on various cases depending on the ups and downs of thyroid hormones. Someone who suffers from this disease may have it easier to make diagnose by establishing the system. In this study, fuzzy k-nearest neighbor used to help diagnose the thyroid disease. At the first step of this method is input the training and testing data which contain five atributs, in the form of T3RU, total serum thyroxin, total serum triiodothyronine, thyrotropin, and TSH. Then, next step is do the normalization of training and testing data, calculate the classification using k-nearest neighbor and fuzzy method. The final output of the implementation the diagnosis of the disease categorized i.e. normal, hyperthyroid and hypothyroid. The result of tests performed in this study, obtained the highest accuracy by 100%.
| Item Type: | Thesis (Sarjana) |
|---|---|
| Identification Number: | SKR/FTIK/2017/93/051701508 |
| Subjects: | 000 Computer science, information and general works > 005 Computer programming, programs, data |
| Divisions: | Fakultas Ilmu Komputer > Teknik Informatika |
| Depositing User: | Kustati |
| Date Deposited: | 14 Mar 2017 13:20 |
| Last Modified: | 21 Oct 2021 02:31 |
| URI: | http://repository.ub.ac.id/id/eprint/147529 |
Preview |
Text
SKRIPSI_NABILA_SYAHIWA_125150107111003.pdf Download (3MB) | Preview |
Actions (login required)
 |
View Item |