PENGGUNAAN METODE K-NEAREST NEIGHBOUR DAN DECISION TREE PADA PREDIKSI GAGAL JANTUNG PRIA

PRASETYO, WAHYU DWI (2023) PENGGUNAAN METODE K-NEAREST NEIGHBOUR DAN DECISION TREE PADA PREDIKSI GAGAL JANTUNG PRIA. S1 thesis, Universitas Mercu Buana Jakarta.

	Text (COVER) 01 Cover.pdf Download (631kB)
	Text (ABSTRAK) 02 Abstrak.pdf Download (117kB)
	Text (BAB I) 03 Bab 1.pdf Restricted to Registered users only Download (189kB)
	Text (BAB II) 04 Bab 2.pdf Restricted to Registered users only Download (392kB)
	Text (BAB III) 05 Bab 3.pdf Restricted to Registered users only Download (235kB)
	Text (BAB IV) 06 Bab 4.pdf Restricted to Registered users only Download (657kB)
	Text (BAB V) 07 Bab 5.pdf Restricted to Registered users only Download (174kB)
	Text (DAFTAR PUSTAKA) 08 Daftar Pustaka.pdf Restricted to Registered users only Download (190kB)
	Text (LAMPIRAN) 09 Lampiran.pdf Restricted to Registered users only Download (545kB)

Abstract

Heart failure is a progressive health problem with a high mortality rate that occurs in both developed and developing countries. In patients with heart failure who are 55 years old, the risk of developing heart failure is 33% for men and 28% for women. The purpose of this study was to predict heart failure in males, by comparing the 2 methods used by researchers to seek a higher level of accuracy. The data used by researchers in this study is secondary data taken from the Kaggle website. So from the results of the research carried out, the researchers obtained the result that the K-Nearest Neighbor Algorithm has higher accuracy results, namely, 88% of split data with 10% test data and 90% train data, compared to the Decision Tree algorithm which is only 80% of split data with 25% test data and 75% train data.. In this study, researchers also designed an application to detect heart failure based on a website that uses the K-Nearest Neighbor method to predict someone with heart failure. Keywords : Heart Failure, Data Mining, K-Nearest Neighbor, Decision Tree, machine learning, Prediction Gagal jantung merupakan masalah kesehatan progresif dengan angka kematian cukup tinggi yang terjadi di negara maju maupun negara berkembang. Pada penderita penyakit gagal jantung yang sudah berusia 55 tahun, memiliki risiko munculnya penyakit gagal jantung sebesar 33% pada laki-laki dan 28% pada perempuan. Tujuan dari penelitian ini adalah untuk melakukan prediksi penyakit gagal jantung kepada jenis kelamin laki laki, dengan membandingkan 2 metode yang di pakai peneliti untuk mencari tingkat akurasi yang lebih tinggi. Data yang digunakan oleh peneliti pada penelitian ini merupakan data sekunder yang diambil dari situs web kaggle. Maka dari hasil penelitian yang di jalankan, peneliti mendaptakan hasil bahwa Algoritma K-Nearest Neighbour memiliki hasil akurasi yang lebih tinggi yaitu, sebesar 88% dari split data dengan 10% data test dan 90% data train, di bandingkan dengan algoritma Decision Tree yang hanya sebesar 80% dari split data dengan 25% data test dan 75% data train. Pada penelitian ini, peneliti juga merancang sebuah aplikasi untuk mendeteksi penyakit gagal jantung berbasis website yang menggunakan metode K- Nearest Neighbour untuk memprediksi seseorang terkena penyakit gagal jantung. Kata Kunci : Gagal Jantung, Data Mining, K-Nearest Neighbor, Decision Tree, machine Learning, Prediksi

Actions (login required)

View Item