Shafiq Zahidan, - (2025) PERBANDINGAN METODE PENGUKURAN JARAK PADA KINERJA ALGORITMA K-NEAREST NEIGHBOR (KNN) DALAM KLASIFIKASI PENYAKIT STROKE. Skripsi thesis, Universitas Islam Negeri Sultan Syarif Kasim Riau.

Preview	Text Full (Kecuali BAB IV).pdf Download (2MB) | Preview
	Text (BAB IV) BAB IV.pdf - Published Version Restricted to Repository staff only Download (2MB)

Abstract

Stroke adalah kondisi di mana fungsi saraf terganggu karena gumpalan darah yang mengalami penyumbatan. Stroke adalah salah satu penyakit ketiga paling umum di dunia yang menyebabkan kecacatan. Menurut data yang dikumpulkan oleh Badan Riset Kesehatan Indonesia, Stroke menyumbang 21,1% kematian di Indonesia. Penelitian ini menggunakan Metode K-Nearest Neighbor untuk klasifikasi penyakit stroke dengan membandingkan perhitungan jarak (Euclidean, Manhattan, Minkowski, Chebyshev dan Cosine). Data menggunakan Kaggle Dataset yang terdiri dari 15000 data. Dengan pembagian rasio data latih dan data uji 90:10, 80:20 dan 70:30. Penelitian ini menggunakan beberapa pengujian yaitu pengujian menggunakan fitur yang telah diseleksi oleh dokter spesialis saraf, pengujian menggunakan semua fitur pada dataset, pengujian menggunakan feature selection pada dataset dan pengujian menggunakan rapid miner. Hasil pengujian Akurasi tertinggi menggunakan pengujian semua fitur pada dataset penyakit stroke, dengan nilai akurasi 53.33%, presisi 53.33%, recall 53.33%, rasio perbandingan 90:10 menggunakan perhitungan jarak euclidean. Kata Kunci: Data Mining, Klasifikasi, K-Nearest Neighbor, Perhitungan Jarak, Penyakit Stroke.

Actions (login required)

View Item