Cover Image

Prediksi Tingkat Risiko Penyakit Jantung Koroner (PJK) Menggunakan Metode Fuzzy K-Nearest Neighbor (FK-NN)

Main Author: Puspasari, Maslikha
Format: Thesis NonPeerReviewed Book
Bahasa: eng
Terbitan: , 2013
Subjects:
005 Computer programming
programs
data
Online Access: http://repository.ub.ac.id/145823/1/MASLIKHA_P-0810963013.pdf
http://repository.ub.ac.id/145823/2/JURNAL_MASLIKHA_P.pdf
http://repository.ub.ac.id/145823/
ctrlnum 145823
fullrecord <?xml version="1.0"?> <dc schemaLocation="http://www.openarchives.org/OAI/2.0/oai_dc/ http://www.openarchives.org/OAI/2.0/oai_dc.xsd"><relation>http://repository.ub.ac.id/145823/</relation><title>Prediksi Tingkat Risiko Penyakit Jantung Koroner (PJK) Menggunakan Metode Fuzzy K-Nearest Neighbor (FK-NN)</title><creator>Puspasari, Maslikha</creator><subject>005 Computer programming, programs, data</subject><description>Penyakit Jantung Koroner (PJK) merupakan salah satu penyakit yang menjadi salah satu penyebab kematian tertinggi di berbagai negara, tidak luput negara Indonesia juga termasuk di dalamnya. Dengan meningkatnya angka kematian di berbagai negara ini, maka alat diagnosis dan terapi terus dikembangkan, guna menanggulangi dan mengurangi meningkatnya angka kematian yang disebabkan oleh PJK. Salah satu metode penanggulangan yang dapat digunakan adalah teknik data mining. Pada penelitian ini digunakan metode gabungan Data Mining dengan Logika Fuzzy, yaitu Fuzzy K-Nearest Neighbor (FK-NN). Dimana metode Fuzzy K-Nearest Neighbor dapat melakukan prediksi Penyakit Jantung Koroner sesuai dengan faktor-faktor yang ada. Dimana pada penelitian ini faktor PJK yang digunakan yaitu umur, HDL, trigliserida, LDL, kolesterol dan sistolik. FK-NN melakukan prediksi dengan mencari nilai tetangga terdekat kemudian menggunakan basis nilai keanggotaan data uji dari setiap kelas dengan mengambil nilai keanggotaan terbesar sebagai hasil akhir prediksi. Pengujian metode ini digunakan pada data latih PJK dengan jumlah berbeda. Dimana pada data latih dengan jumlah 40, 50, 60 dan 70 didapat akurasi tertinggi sebesar 66,67% pada data latih 70. Semakin banyak data latih yang digunakan, maka kemungkinan semakin banyaknya jarak record yang mendekati kelas data prediksi</description><date>2013-03-04</date><type>Thesis:Thesis</type><type>PeerReview:NonPeerReviewed</type><type>Book:Book</type><language>eng</language><identifier>http://repository.ub.ac.id/145823/1/MASLIKHA_P-0810963013.pdf</identifier><type>Book:Book</type><language>eng</language><identifier>http://repository.ub.ac.id/145823/2/JURNAL_MASLIKHA_P.pdf</identifier><identifier> Puspasari, Maslikha (2013) Prediksi Tingkat Risiko Penyakit Jantung Koroner (PJK) Menggunakan Metode Fuzzy K-Nearest Neighbor (FK-NN). Sarjana thesis, Universitas Brawijaya. </identifier><relation>SKR/FTIK/2013/36/0512300966</relation><recordID>145823</recordID></dc>
language eng
format Thesis:Thesis
Thesis
PeerReview:NonPeerReviewed
PeerReview
Book:Book
Book
author Puspasari, Maslikha
title Prediksi Tingkat Risiko Penyakit Jantung Koroner (PJK) Menggunakan Metode Fuzzy K-Nearest Neighbor (FK-NN)
publishDate 2013
isbn 9780810963016
topic 005 Computer programming
programs
data
url http://repository.ub.ac.id/145823/1/MASLIKHA_P-0810963013.pdf
http://repository.ub.ac.id/145823/2/JURNAL_MASLIKHA_P.pdf
http://repository.ub.ac.id/145823/
contents Penyakit Jantung Koroner (PJK) merupakan salah satu penyakit yang menjadi salah satu penyebab kematian tertinggi di berbagai negara, tidak luput negara Indonesia juga termasuk di dalamnya. Dengan meningkatnya angka kematian di berbagai negara ini, maka alat diagnosis dan terapi terus dikembangkan, guna menanggulangi dan mengurangi meningkatnya angka kematian yang disebabkan oleh PJK. Salah satu metode penanggulangan yang dapat digunakan adalah teknik data mining. Pada penelitian ini digunakan metode gabungan Data Mining dengan Logika Fuzzy, yaitu Fuzzy K-Nearest Neighbor (FK-NN). Dimana metode Fuzzy K-Nearest Neighbor dapat melakukan prediksi Penyakit Jantung Koroner sesuai dengan faktor-faktor yang ada. Dimana pada penelitian ini faktor PJK yang digunakan yaitu umur, HDL, trigliserida, LDL, kolesterol dan sistolik. FK-NN melakukan prediksi dengan mencari nilai tetangga terdekat kemudian menggunakan basis nilai keanggotaan data uji dari setiap kelas dengan mengambil nilai keanggotaan terbesar sebagai hasil akhir prediksi. Pengujian metode ini digunakan pada data latih PJK dengan jumlah berbeda. Dimana pada data latih dengan jumlah 40, 50, 60 dan 70 didapat akurasi tertinggi sebesar 66,67% pada data latih 70. Semakin banyak data latih yang digunakan, maka kemungkinan semakin banyaknya jarak record yang mendekati kelas data prediksi
id IOS4666.145823
institution Universitas Brawijaya
affiliation mill.onesearch.id
fkp2tn.onesearch.id
institution_id 30
institution_type library:university
library
library Perpustakaan Universitas Brawijaya
library_id 480
collection Repository Universitas Brawijaya
repository_id 4666
subject_area Indonesian Language Collection/Kumpulan Karya Umum dalam Bahasa Indonesia*
city MALANG
province JAWA TIMUR
shared_to_ipusnas_str 1
repoId IOS4666
first_indexed 2021-10-27T08:47:53Z
last_indexed 2021-10-28T07:33:26Z
recordtype dc
_version_ 1751454638381465600
score 17.538404

Lihat Juga