Implementasi Algoritme Modified K-Nearest (Mknn) Untuk Mengidentifikasi Penyakit Gigi Dan Mulut

Ravi, Muhammad Reza (2018) Implementasi Algoritme Modified K-Nearest (Mknn) Untuk Mengidentifikasi Penyakit Gigi Dan Mulut. Sarjana thesis, Universitas Brawijaya.

Abstract

Gigi dan mulut adalah merupakan bagian terpenting dari tubuh manusia yang harus dijaga dan dirawat. Tetapi masalah penyakit gigi dan mulut di Indonesia masih perlu mendapatkan perhatian. Ada beberapa jenis penyakit gigi dan mulut. Penyakit yang paling banyak diderita oleh masyarakat Indonesia adalah penyakit gigi berlubang, penyakit gigi karies dan penyakit periodontitis. Penyebab penyakit gigi dan mulut adalah kebersihan yang buruk pada gigi, mengonsumsi makanan dan minuman yang mengandung karbohidrat tinggi, merokok, mengonsumsi minuman yang beralkohol, menyikat gigi yang tidak benar dan juga tumbuh gusi yang tidak sempurna. Hal tersebut memiliki gejalagejala antara lain gigi jadi lebih sensitif, timbulnya rasa sakit yang tidak menentu, dan sering merasakan ngilu atau nyeri ketika menggigit sesuatu. Pada penelitian ini dilakukan identifikasi jenis penyakit gigi dan mulut yang ditentukan dari gejala yang dialami dengan menggunakan metode klasifikasi Modified K-Nearest Neighbor (MKNN). Metode MKNN adalah metode perkembangan dari KNN, terdapat perbedaan dari MKNN dan KNN yaitu MKNN terdapat proses perhitungan validitas dan Weight Voting. Penelitian ini menggunakan 6 kelas yang meliputi Pulpitis, Gingivtis, Karies Gigi, Periodontitis, Deposits, dan Nekrosis Pulpa. Penelitian ini membuktikan bahwa pada data latih sebanyak 70 dan data uji 30 serta nilai K=60, metode MKNN dapat melakukan identifikasi jenis penyakit gigi dan mulut dengan mencapai 86,6%. Pada penelitian ini juga membuktikan bahwa metode MKNN cenderung lebih tinggi akurasinya dibandingkan dengan metode KNN dimana metode MKNN memiliki tingkat akurasi 76,66% sedangkan KNN 43,33%. hal tersebut disebabkan oleh adanya perhitungan nilai validitas yang akan mempengaruhi Weight Voting dan juga akurasi.

English Abstract

Teeth and mouth are the most important parts of the human body that must be maintained and cared for. But the problem of dental and oral diseases in Indonesia still needs attention. There are several types of dental and oral diseases. The most common diseases suffered by the people of Indonesia are cavities, dental caries and periodontitis. The causes of dental and oral disease are poor hygiene of the teeth, eating foods and drinks that contain high carbohydrates, smoking, consuming alcoholic beverages, brushing teeth incorrectly and also growing imperfect gums. It has symptoms, among others, the teeth become more sensitive, the emergence of an erratic pain, and often feel pain or pain when biting something. In this study, identification of the types of dental and oral diseases determined from symptoms experienced using the classification method Modified K-Nearest Neighbor (MKNN). The MKNN method is the development method of the KNN, there are differences from MKNN and KNN namely MKNN there is a process of calculating validity and Weight Voting. This study used 6 classes which included Pulpitis, Gingivitis, Dental Caries, Periodontitis, Deposits, and Pulp Necrosis. This study proves that in the training data as many as 70 and 30 test data and K = 60, the MKNN method can identify the types of dental and oral diseases by reaching 86.6%. This study also proves that the MKNN method tends to be more accurate compared to the KNN method where the MKNN method has an accuracy rate of 76.66% while the KNN is 43.33%. this is caused by the calculation of the validity value which will affect the Weight Voting and also the accuracy

Item Type: Thesis (Sarjana)
Identification Number: 051900775
Uncontrolled Keywords: Gigi dan Mulut, Klasifikasi, dan Metode MKNN,Teeth and Mouth, Classification, and MKNN Method
Subjects: 600 Technology (Applied sciences) > 617 Surgery, regional medicine, dentistry, ophthalmology, otology, audiology > 617.6 Dentistry
Divisions: Fakultas Ilmu Komputer > Teknik Informatika
Depositing User: soegeng sugeng
Date Deposited: 30 Oct 2019 03:08
Last Modified: 11 Feb 2022 08:48
URI: http://repository.ub.ac.id/id/eprint/166900
[thumbnail of Muhammad Reza Ravi.pdf]
Preview
Text
Muhammad Reza Ravi.pdf

Download (2MB) | Preview

Actions (login required)

View Item View Item