Diagnosis Tingkat Risiko Penyakit Stroke Menggunakan Metode K-Nearest Neighbor Dan Naïve Bayes
| Main Author: | Puspitawuri, Annisa |
|---|---|
| Format: | Thesis NonPeerReviewed Book |
| Bahasa: | eng |
| Terbitan: |
, 2019
|
| Subjects: | |
| Online Access: |
http://repository.ub.ac.id/169292/1/Annisa%20Puspitawuri%20%282%29.pdf http://repository.ub.ac.id/169292/2/Bagian%20Depan%20%282%29.pdf http://repository.ub.ac.id/169292/3/Daftar%20Referensi%20%282%29.pdf http://repository.ub.ac.id/169292/ |
Daftar Isi:
- Penyakit stroke merupakan penyakit yang timbul akibat terputusnya suplai darah menuju otak karena terdapat semburan pembuluh darah atau terjadi sumbatan berupa gumpalan darah. Stroke merupakan penyebab kecacatan nomor satu dan penyebab kematian nomor tiga di dunia setelah penyakit jantung dan kanker, baik di negara maju maupun berkembang. Berdasarkan data Riset Kesehatan Dasar, prevalensi stroke di Indonesia pada tahun 2013 mengalami kenaikan jika dibandingkan dengan data Riskesdas 2007 dengan nilai angka 8,3%, naik mencapai angka 12,1% per 1.000 penduduk. Untuk itu diperlukan suatu tindakan pendeteksian tingkat risiko penyakit stroke agar dapat segera diatasi sesuai dengan tingkat risikonya. Penelitian ini mengusulkan adanya suatu aplikasi diagnosis tingkat risiko penyakit stroke menggunakan metode K-Nearest Neighbor dan Naïve Bayes karena data yang didapat menggunakan atribut numerik dan kategoris. Algoritme K-Nearest Neighbor digunakan untuk memproses data numerik, dan algoritme Naïve Bayes digunakan untuk memproses data kategoris. Hasil penelitian menunjukkan nilai akurasi tertinggi yang diperoleh pada data kelas seimbang adalah 96.67% dengan data latih 45, data uji 30 dan nilai K=15-22. Sedangkan pada data latih tidak seimbang, menunjukkan akurasi tertinggi sebesar 100% dengan jumlah data latih 60, data uji 30 dan nilai K=20-30