Klasifikasi Risiko Hipertensi Menggunakan Fuzzy K-Nearest Neighbor

Chintya, Deby (2020) Klasifikasi Risiko Hipertensi Menggunakan Fuzzy K-Nearest Neighbor. Sarjana thesis, Universitas Brawijaya.

Abstract

Hipertensi atau yang disebut juga dengan tekanan darah tinggi merupakan suatu keadaan tekanan darah saat terjadi peningkatan di atas batas normal yaitu 120/80 mmHg. Hipertensi dapat menyebabkan terjadinya risiko penyakit kardiovaskular dan berisiko kematian akibat serangan jantung iskemik dan strok. Menurut Riset Kesehatan Dasar di Indonesia, hipertensi merupakan masalah kesehatan dengan prevalensi sebesar 25,8% di tahun 2013. Pengembangan sistem klasifikasi risiko hipertensi dapat dipakai mendeteksi penyakit hipertensi lebih dini. Klasifikasi risiko hipertensi pada penelitian ini menggunakan metode Fuzzy K-Nearest Neighbor dengan seleksi fitur Information Gain. Nilai akurasi yang dihasilkan dari pengujian ialah 84.0002% dengan nilai k=5 menggunakan 6 fitur yaitu tekanan darah, konsumsi kafein, berat badan, olahraga, umur, dan konsumsi makanan berlemak.

English Abstract

Hypertension, also known as high blood pressure, is a condition where there's increase of blood pressure above the normal level of 120/80 mmHg. Hypertension can cause cardiovascular disease and increased death risk by coronary heart disease and stroke. According to Riset Kesehatan Dasar in Indonesia, hypertension is the most prevalent health problems with 25,8% percentage in 2013. Development of classification system for hypertension risk can be used to detect early hypertension disease. Classification of hypertension risk in this research uses Fuzzy K-Nearest Neighbor method, with Information Gain feature selection. Accuracy value resulted from the test is 84.0002% with value k=5 using 6 features of blood pressure, fitness, age, fatty foods consumption, and caffein consumption.

Other obstract

-

Item Type:	Thesis (Sarjana)
Identification Number:	SKR/FILKOM/2020/224/052003414
Uncontrolled Keywords:	Fuzzy K-Nearest Neighbor, klasifikasi, seleksi fitur, information gain, Hipertensi, Fuzzy K-Nearest Neighbor, classification, feature selection, information gain, hypertensio
Subjects:	000 Computer science, information and general works > 001 Knowledge > 001.012 Classification
Divisions:	Fakultas Ilmu Komputer > Teknik Informatika
Depositing User:	Budi Wahyono Wahyono
Date Deposited:	05 Aug 2020 08:21
Last Modified:	30 Sep 2024 06:43
URI:	http://repository.ub.ac.id/id/eprint/180976

Text Deby Chintya.pdf Download (5MB)

Actions (login required)

View Item