Klasifikasi Penyakit Stroke Menggunakan Metode K-Nearest Neighbor Studi Kasus: Puskesmas Karangbinangun

HIDAYAT, RAHMAT (2021) Klasifikasi Penyakit Stroke Menggunakan Metode K-Nearest Neighbor Studi Kasus: Puskesmas Karangbinangun. undergraduate thesis, Universitas Muhammadiyah Gresik.

	Text Halaman Orisinalitas.pdf Download (168kB)
	Text Lembar Pengesahan.pdf Download (170kB)
	Text Lembar Pernyataan Persetujuan Publikasi.pdf Download (457kB)
	Text BAB I.pdf Download (315kB)
	Text BAB II.pdf Download (707kB)
	Text BAB III.pdf Download (1MB)
	Text BAB IV.pdf Restricted to Repository staff only Download (1MB)
	Text BAB V.pdf Download (172kB)
	Text DAFTAR PUSTAKA.pdf Download (235kB)
	Text LAMPIRAN.pdf Download (330kB)
	Text HALAMAN JUDUL.pdf Download (863kB)

Abstract

Stroke merupakan masalah kesehatan yang utama bagi masyarakat modern saat ini. Stroke semakin menjadi masalah serius yang dihadapi hampir diseluruh dunia. Hal tersebut dikarenakan serangan stroke yang mendadak dapat mengakibatkan kematian, kecacatan fisik dan mental baik pada usia produktif maupun usia lanjut. Dengan perkembangan zaman yang semakin maju, maka banyak pula penyakit yang dapat menyerang manusia seperti Kolestrol, Asam Urat, Tekanan Darah, Kadar Gula dan Kreatinin. sangat berpengaruh besar terkena penyakit stroke. Penelitian ini menerapkan teknik data mining dengan menggunakan metode klasifikasi K-Nearest neighbor untuk mengkalsifikasi tingkat stadium pada penyakit stroke stadium rendah, stadium sedang dan stadium tinggi. Atribut yang digunaakan adalah tekanan darah, kadar gula, kolestrol total, kolestrol Low Density Lipopretein (LDL), usia, asam urat dan keratin. Data yang digunakan adalah data penderita stroke di puskesmas karangbinangun tahun 2018 – 2019 sebanyak 130 data. Berdasarkan hasil perhitungan confusion matrix dari beberapa pengujian yang terdiri dari 110 data latih dan 20 data uji untuk pengujian pertama, 70 data latih dan 40 data uji dari pengujian kedua dan 55 data latih 55 data uji untuk pengujian ketiga, pada sistem ini memiliki nilai K yang diantaranya yaitu K3,K5,K7, dan diatara nilai K yang diambil sebagai hasil informasi pengeluaran stadium yaitu nilai K terbiak yaitu K7 dari pengujian kedua dengan akursi diperoleh 95.00% dann laju eror 5.00%.

Item Type:	Thesis (undergraduate)
Uncontrolled Keywords:	Puskesmas Karangbinangun, Data mining, Klasifikasi, K-Nearest Neighbor.
Subjects:	Engineering > Informatics Engineering Engineering
Divisions:	Faculty of Engineering > Informatics Engineering Study Program
Depositing User:	Rahmat Hidayat
Date Deposited:	08 Mar 2021 05:11
Last Modified:	08 Mar 2021 05:11
URI:	http://eprints.umg.ac.id/id/eprint/4746

Actions (login required)

View Item