MODEL DATA MINING UNTUK PREDIKSI PENYAKIT GAGAL JANTUNG PADA USIA DEWASA HINGGA LANSIA DENGAN MENGGUNAKAN METODE K-NEAREST NEIGHBOR

WILDAN, AHMAD (2023) MODEL DATA MINING UNTUK PREDIKSI PENYAKIT GAGAL JANTUNG PADA USIA DEWASA HINGGA LANSIA DENGAN MENGGUNAKAN METODE K-NEAREST NEIGHBOR. S1 thesis, Universitas Mercu Buana Jakarta.

	Text (COVER) 01 COVER.pdf Download (514kB)
	Text (ABSTRAK) 02 ABSTRAK.pdf Download (33kB)
	Text (BAB I) 03 BAB 1.pdf Restricted to Registered users only Download (84kB)
	Text (BAB II) 04 BAB 2.pdf Restricted to Registered users only Download (346kB)
	Text (BAB III) 05 BAB 3.pdf Restricted to Registered users only Download (561kB)
	Text (BAB IV) 06 BAB 4.pdf Restricted to Registered users only Download (512kB)
	Text (BAB V) 07 BAB 5.pdf Restricted to Registered users only Download (29kB)
	Text (DAFTAR PUSTAKA) 08 DAFTAR PUSTAKA.pdf Restricted to Registered users only Download (147kB)
	Text (LAMPIRAN) 09 LAMPIRAN.pdf Restricted to Registered users only Download (254kB)

Abstract

Heart failure is a worldwide cardiovascular disease and results in increased mortality, morbidity and financial impact. According to data in Indonesia, in 2018 there were 229,696 people with heart failure. With the high number of people with heart failure in Indonesia, the authors want to predict heart failure using the KNearest Neighbor method. The data used in this study is secondary data that comes from Kagle. The author uses JupyterLab tools to test the accuracy of the method used. The results obtained are the accuracy rate of K-Nearest Neighbor of 90.3% with 30% test data and 70% train data. Based on comparison with other methods, the K-Nearest Neighbor method has the highest accuracy, so it can be said that the K-Nearest Neighbor method can be used as an algorithm to predict heart failure. Keywords: Hearth Failure, predict, K-Nearest Neighbor, dataset Gagal jantung adalah penyakit kardiovaskuler yang mendunia dan mengakibatkan peningkatan angka mortalitas, morbiditas dan berdampak finansial. Menurut data di Indonesia pada tahun 2018 penderita penyakit gagal jantung 229.696. dengan tinggi nya angka penderita penyakit gagal jantung di Indonesia penulis ingin memprediksi penyakit gagal jantung menggunakan metode K-Nearest Neighbor. Data yang digunakan pada penelitian ini merupakan data sekunder yang berasal dari Kagle. Penulis menggunakan tools JupyterLab untuk menguji tingkat keakuratan metode yang digunakan. Hasil yang didapat adalah tingkat akurasi dari K-Nearest Neighbor sebesar 90,3% dengan test data 30% dan train data 70%. Berdasarkan komparasi dengan metode lainnya, metode K-Nearest Neighbor memiliki akurasi yang paling tinggi, sehingga dapat dikatakan metode K-Nearest Neighbor dapat digunakan sebagai algoritma untuk memprediksi penyakit gagal jantung. Kata Kunci: Gagal jantung, memprediksi, K-Nearest Neighbor, dataset

Item Type:	Thesis (S1)
Call Number CD:	FIK/SI. 23 033
NIM/NIDN Creators:	41819010006
Uncontrolled Keywords:	Gagal jantung, memprediksi, K-Nearest Neighbor, dataset
Subjects:	000 Computer Science, Information and General Works/Ilmu Komputer, Informasi, dan Karya Umum > 000. Computer Science, Information and General Works/Ilmu Komputer, Informasi, dan Karya Umum > 003 Systems/Sistem-sistem 000 Computer Science, Information and General Works/Ilmu Komputer, Informasi, dan Karya Umum > 000. Computer Science, Information and General Works/Ilmu Komputer, Informasi, dan Karya Umum > 003 Systems/Sistem-sistem > 003.5 Computer Modeling and Simulation/Model dan Simulasi Komputer 000 Computer Science, Information and General Works/Ilmu Komputer, Informasi, dan Karya Umum > 000. Computer Science, Information and General Works/Ilmu Komputer, Informasi, dan Karya Umum > 004 Data Processing, Computer Science/Pemrosesan Data, Ilmu Komputer, Teknik Informatika 000 Computer Science, Information and General Works/Ilmu Komputer, Informasi, dan Karya Umum > 000. Computer Science, Information and General Works/Ilmu Komputer, Informasi, dan Karya Umum > 004 Data Processing, Computer Science/Pemrosesan Data, Ilmu Komputer, Teknik Informatika > 004.1 General Works on Specific Types of Computers/Karya Umum tentang Tipe-tipe Khusus Komputer
Divisions:	Fakultas Ilmu Komputer > Sistem Informasi
Depositing User:	CALVIN PRASETYO
Date Deposited:	29 Sep 2023 01:35
Last Modified:	29 Sep 2023 01:35
URI:	http://repository.mercubuana.ac.id/id/eprint/81574

Actions (login required)

View Item