Sistem Pakar Deteksi Dini Penyakit Stroke Menggunakan Metode Improved K-Nearest Neighbor (Knn+)
Main Author: | Nurhayati, WahyuSuci |
---|---|
Format: | Thesis NonPeerReviewed Book |
Bahasa: | eng |
Terbitan: |
, 2017
|
Subjects: | |
Online Access: |
http://repository.ub.ac.id/147485/1/2017_01_26_Suci_Laporan_CD.pdf http://repository.ub.ac.id/147485/1/2017_01_26_Suci_Paper_Improved_KNN.pdf http://repository.ub.ac.id/147485/ |
Daftar Isi:
- Stroke adalah serangan pada otak yang dapat terjadi secara tiba-tiba dengan akibat kematian atau kelumpuhan sebelah bagian tubuh, ini terjadi karena aliran darah ke otak terputus. Stroke merupakan penyebab kematian ketiga dinegara maju setelah penyakit jantung dan kanker. Untuk mengurangi tingginya angka kematian karena penyakit ini dilakukan pencegahan. Pencegahan dini dapat dilakukan melalui pemeriksaan dokter. Banyaknya faktor yang dapat memicu penyakit stroke menyebabkan dokter mengalami kendala dalam melakukan deteksi dini. Parameter-parameter yang tidak terstruktur tersebut dapat diselesaikan dengan menggunakan sistem pakar. Sistem pakar merupakan sistem yang digunakan untuk memecahkan permasalahan di kehidupan nyata. Pengetahuannya berasal dari seorang pakar. Sistem pakar dalam penelitian ini menggunakan metode Improved K-Nearest Neighbor (KNN+) dalam melakukan deteksi dini. Penelitian ini dapat mendeteksi tingkat resiko stroke mulai tinggi, sedang hingga rendah. Hasil pengujian menunjukan uji validasi fungsional sistem sebesar 100% pengujian akurasi terhadap variasi nilai k sebesar 87%, dan akurasi terhadap data latih sebesar 80%. Data latih yang digunakan sebanyak 120 dengan 30 data uji. Untuk proses penelitian, diawali dengan melakukan konsultasi dengan pakar penyakit stroke yakni dr. Eko Ari Setijono Marhendraputro, SpS (K). Setelah melakukan konsultasi, selanjutnya adalah menganalisa data mentah yang kemudian dikomputasi menggunakan metode KNN+ yang mana metode ini memiliki keakurasian yang lebih baik dari KNN biasa. Oleh karena itu, digunakanlah metode KNN+ untuk memecahkan permasalahan dalam diagnosis penyakit stroke. Hasil klasifikasi yang didapatkan memiliki akurasi maksimal sebesar 87% dengan nilai k= 1, data latih sebanyak 120 dan data uji sebanyak 30.