Darmawan, Marcellinus Aditya Vitro (2025) OPTIMASI ALGORITMA K-NEAREST NEIGHBOR (KNN) DENGAN ALGORITMA GENETIKA PADA DETEKSI PENYAKIT DIABETES MELLITUS. Undergraduate thesis, UPN Veteran Jawa Timur.
![[img]](https://repository.upnjatim.ac.id/style/images/fileicons/text.png) |
Text (Cover)
21081010107_cover.pdf Download (1MB) |
|
Text (Bab 1)
21081010107_bab1.pdf Download (140kB) |
|
Text (Bab 2)
21081010107_bab2.pdf Restricted to Repository staff only until 15 May 2027. Download (453kB) |
|
Text (Bab 3)
21081010107_bab3.pdf Restricted to Repository staff only until 15 May 2027. Download (939kB) |
|
Text (Bab 4)
21081010107_bab4.pdf Restricted to Repository staff only until 15 May 2027. Download (641kB) |
|
Text (Bab 5)
21081010107_bab5.pdf Download (13kB) |
|
Text (Daftar Pustaka)
21081010107_daftarpustaka.pdf Download (153kB) |
|
Text (Lampiran)
21081010107_lampiran.pdf Restricted to Repository staff only until 15 May 2027. Download (294kB) |
Abstract
Penelitian ini membahas optimasi Algoritma K-Nearest Neighbor (KNN) menggunakan Algoritma Genetika (GA) dalam mendeteksi penyakit diabetes mellitus. Penelitian mencakup tahapan pengumpulan dataset gejala penyakit diabetes mellitus, preprocessing data melalui normalisasi dan penyelarasan dataset, implementasi model, serta pengujian dengan berbagai skenario untuk mendapatkan akurasi tertinggi. Data yang digunakan adalah data Pima Indians Diabetes Database sebagai dataset 1 dan data Early Stage Diabetes Risk Prediction Dataset sebagai dataset 2. Evaluasi dilakukan dengan membandingkan hasil akurasi antara KNN tanpa optimasi dan KNN yang telah dioptimasi menggunakan Algoritma Genetika. Hasil penelitian menunjukkan bahwa optimasi dilakukan dengan mencari kombinasi optimal dari nilai k dan fitur-fitur yang digunakan dalam klasifikasi. Algoritma Genetika menghasilkan individu dengan fitness terbaik berdasarkan kombinasi nilai k dan fitur yang mampu memberikan akurasi tertinggi. Pengujian dilakukan pada dua dataset dengan dua nilai fold yang berbeda. Hasil akurasi terbaik didapat pada pengujian fold 10, dengan akurasi pada dataset 1 dari 74.2% menjadi 79.1% setelah dioptimasi. Sedangkan pada dataset 2, akurasi yang didapat adalah 97.5% menjadi 98.2% setelah dioptimasi. Terdapat peningkatan akurasi pada dataset 1, sedangkan pada dataset 2, tidak terjadi peningkatan akurasi yang signifikan. Kesimpulan dari penelitian ini adalah bahwa optimasi Algoritma KNN menggunakan Algoritma Genetika terbukti meningkatkan akurasi deteksi diabetes mellitus, terutama pada dataset numerik dengan fitur yang lebih kompleks.
| Item Type: | Thesis (Undergraduate) | ||||||||||||
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| Contributors: |
|
||||||||||||
| Subjects: | Q Science > QA Mathematics > QA75 Electronic computers. Computer science Q Science > QA Mathematics > QA76.6 Computer Programming |
||||||||||||
| Divisions: | Faculty of Computer Science > Departemen of Informatics | ||||||||||||
| Depositing User: | Marcellinus Darmawan | ||||||||||||
| Date Deposited: | 19 May 2025 03:10 | ||||||||||||
| Last Modified: | 19 May 2025 03:10 | ||||||||||||
| URI: | https://repository.upnjatim.ac.id/id/eprint/36235 |
Actions (login required)
 |
View Item |