Deteksi Penyakit Anemia Menggunakan Metode Modified K-Nearest Neighbor (MKNN)

Yuniahans, Putra Dwi Wira Gardha (2024) Deteksi Penyakit Anemia Menggunakan Metode Modified K-Nearest Neighbor (MKNN). Undergraduate thesis, UPN Veteran Jawa Timur.

	Text (Cover) 20081010103.-cover.pdf Download (984kB)
	Text (Bab 1) 20081010103.-bab1.pdf Download (119kB)
	Text (Bab 2) 20081010103.-bab2.pdf Restricted to Repository staff only until 23 July 2026. Download (240kB)
	Text (Bab 3) 20081010103.-bab3.pdf Restricted to Repository staff only until 23 July 2026. Download (227kB)
	Text (Bab 4) 20081010103.-bab4.pdf Restricted to Repository staff only until 23 July 2026. Download (680kB)
	Text (Bab 5) 20081010103.-bab5.pdf Download (80kB)
	Text (Daftar Pustaka) 20081010103.-daftarpustaka.pdf Download (118kB)
	Text (Lampiran) 20081010103.-lampiran.pdf Restricted to Repository staff only Download (1MB)

Abstract

Anemia merupakan sebuah kondisi dimana sel darah merah atau konsentrasi hemoglobin lebih rendah dari kadar normalnya. Berdasarkan hasil Riset Kesehatan Dasar (Riskesdas) Kementerian Kesehatan Indonesia (KEMENKES) dari tahun 2017, 2013, hingga 2018 angka prevalensi penyakit anemia terhadap usia 0 hingga 24 tahun selalu mengalami tren kenaikan. Dampak buruk juga dirasakan oleh kalangan-kalangan tersebut dari keterlambatan perkembangan psikomotor, prestasi di sekolah yang semakin menurun hingga pada perempuan juga bisa mengakibatkan kelahiran yang prematur. Maka dari itu bantuan teknologi seperti machine learning untuk mendeteksi dini penyakit anemia tersebut sangat penting. Metode yang digunakan dalam mendeteksi penyakit anemia tersebut adalah metode Modified K-Nearest Neighbor (MKNN). MKNN sendiri merupakan sebuah metode modifikasi dari metode K-Nearest Neighbor (KNN). Pada metode MKNN sendiri terdapat tambahan proses yang tidak dimiliki oleh metode KNN yakni pada proses perhitungan validasi pada data latih dan perhitungan weight voting. Sehingga dalam penelitian ini metode MKNN menghasilkan nilai akurasi 90% dengan parameter split data dengan rasio 60:40 serta nilai k=3. Hasil tersebut menyatakan bahwa metode MKNN dapat meningkatkan nilai akurasi dari metode KNN sendiri.

Item Type:

Thesis (Undergraduate)

Contributors:

Contribution	Contributors	NIDN/NIDK	Email
Thesis advisor	Sari, Anggraini Puspita	NIDN0725058805	anggraini.puspita.if@upnjatim.ac.id
Thesis advisor	Via, Yisti Vita	NIDN0025079302	yistivia.if@upnjatim.ac.id

Subjects:

T Technology > T Technology (General)

Divisions:

Faculty of Computer Science > Departemen of Informatics

Depositing User:

Putra Dwi Wira Gardha Yuniahans Putra

Date Deposited:

23 Jul 2024 07:21

Last Modified:

23 Jul 2024 07:21

URI:

https://repository.upnjatim.ac.id/id/eprint/27239