Skripsi

Perbandingan metode naive bayes dan k-nearest neighbor (k-nn) untuk klasifikasi penyakit ginjal kronis / Slametian Dewa Tegar Perkasa

Abstrak
Ginjal merupakan organ penting dalam tubuh manusia yang berfungsi menyaring dan membuang sisa-sisa metabolisme ke dalam bentuk urine. Penyakit ginjal kronis atau Chronic Kidney Disease (CKD) merupakan salah satu penyakit yang timbul karena penurunan kinerja organ ginjal secara perlahan. Seiring meningkatnya jumlah penderita penyakit ginjal kronis maka dibutuhkan pencegahan awal dengan memanfaatkan data mining untuk mendiagnosa penyakit ginjal kronis menggunakan teknik klasifikasi. Metode yang sering digunakan dalam klasifikasi adalah Na iuml ve Bayes dan k-Nearest Neighbor (k-NN). Permasalahan yang sering terjadi pada dataset khususnya di bidang kesehatan adalah banyaknya missing value di hampir semua atribut yang ada seperti dataset Chronic Kidney Disease yang digunakan dalam penelitian ini. Dataset tersebut bersumber dari website UCI Machine Learning Repository dengan jumlah missing value sebanyak 242 data dari total data sebanyak 400. Dataset ini memiliki jumlah atribut sebanyak 25 rincian 12 atribut bertipe data numerik 2 atribut bertipe data nominal dan 11 atribut bertipe data biner. Berdasarkan studi literatur dan spesifikasi dataset di atas penelitian ini diusulkan untuk membandingkan kinerja metode data mining yaitu Na iuml ve Bayes dan k-Nearest Neighbor (k-NN) untuk klasifikasi penyakit ginjal kronis dengan dataset yang bersumber dari website UCI Machine Learning Repository. Metode Na iuml ve Bayes dipilih karena mampu mengklasifikasi dataset yang besar dengan tidak membutuhkan parameter yang rumit. Keunggulan lainnya yaitu masih dapat menghasilkan akurasi yang baik meskipun banyak terdapat missing value dibandingkan metode lainnya. Sedangkan metode k-Nearest Neighbor dipilih karena mampu memberikan akurasi yang cukup baik dalam mengklasifikasi penyakit tangguh terhadap training data yang banyak noisy serta efisien jika memiliki training data yang besar. Berdasarkan hasil pengujian didapatkan kesimpulan bahwa hasil kinerja metode klasifikasi k-NN memiliki kinerja yang paling baik dibandingkan metode Na iuml ve Bayes dalam mengklasifikasi penyakit ginjal kronis. Metode k-NN memperoleh nilai accuracy sebesar 95 10% precision sebesar 96 50% recall sebesar 93 60% f-measure sebesar 95 03% dan waktu komputasi sebesar 0 8285 detik. Sedangkan metode Na iuml ve Bayes memperoleh nilai accuracy sebesar 90 70% precision sebesar 99 56% recall sebesar 81 80% dan f-measure sebesar 89 81% dan waktu komputasi sebesar 0 7425 detik.

Informasi Detail

DDC

Rs 005.1 PER p

Prodi

Universitas Negeri Malang. Program Studi Pendidikan Teknik Informatika, 2020.

Deskripsi Fisik

xiv, 63 lembar: ill. , tab. ; 30 cm

Bahasa

Indonesia

No Reg

00537/KI/21

Edisi

Skripsi (Sarjana)--Universitas Negeri Malang. 2020

Subjek

1. NAIVE BAYES (ALGORITMA KOMPUTER)
2. PENYAKIT GINJAL KRONIS
3. K-NEAREST NEIGHBOR
4. NAIVE BAYES (COMPUTER ALGORITHMS)

Pembimbing

1. Harist Ar Rosyid; 2. Ilham Ari Elbaith Zaeni

Lampiran Berkas