Analisis Performa Metode K- Nearest Neighbor (KNN) dan Crossvalidation pada Data Penyakit Cardiovascular
DOI:
https://doi.org/10.33096/ijodas.v2i1.25Keywords:
K-Nearest Neighbor, Crossvalidation, Akurasi, CardiovascularAbstract
Secara global, penyebab kematian nomor satu setiap tahunnya adalah penyakit Cardiovascular. Penyakit cardiovascular adalah penyakit yang disebabkan gangguan fungsi jantung dan pembuluh darah, seperti Penyakit Jantung Koroner, Penyakit Gagal jantung atau Payah Jantung, Hipertensi dan Stroke. (Kemenkes RI, 2014). Tujuan dari penelitian ini adalah mengukur performa (akurasi, presisi, recall dan f-measure) metode knn dan crossvalidation pada dataset cardiovascular. dataset yang digunakan sebanyak 1000 record terdiri dari 11 atribut (age, gender, height, dsb) data pasien cardiovascular dan non cardiovascular, dataset tersebut diperoleh dari UCI Machine Learning Repository yang dikelola oleh Hungarian Institute of Cardiology Budapest: Andras Janosi, M.D., University Hospital, Zurich, Switzerland. Tahapan yang dilakukan yaitu: membagi rasio simulasi dataset (20:80, 50:50, 80:20), penerapan crossvalidation (k-fold=10) dan klasifikasi menggunakan metode K-NN (k=2 hingga K=900), Hasil penelitian dari simulasi rasio dataset 50:50 memperoleh nilai akurasi 82%, presisi 82%, recall 82% dan f-measure 80% pada nilai K=13. Kemudian hasil penelitian dari simulasi rasio dataset 20:80 memperoleh nilai akurasi 87%, presisi 87%, recall 97% dan f-measure 92% pada nilai K=3. Dan hasil penelitian dari simulasi rasio dataset 80:20 memperoleh nilai akurasi 91%, presisi 92%, recall 60% dan f-measure 72% pada nilai K=5.
Downloads
References
H. Azis, “Klasifikasi Penyakit Jantung Menggunakan Metode K-Nearest Neighbor,” Indones. J. Data Sci., pp. 1–4, 2018, doi: https://doi.org/10.33096/ijodas.v1i1.3.
S. H. A. Aini, Y. A. Sari, and A. Arwan, “Seleksi Fitur Information Gain untuk Klasifikasi Penyakit Jantung Menggunakan Kombinasi Metode K-Nearest Neighbor dan Naïve Bayes,” J. Pengemb. Teknol. Inf. dan Ilmu Komput. Univ. Brawijaya, vol. 2, 2018.
K. RI, “Situasi Kesehatan Jantung,” Pus. data dan Inf. Kementeri. Kesehat. RI, 2014.
M. M. Baharuddin, T. Hasanuddin, and H. Azis, “Analisis Performa Metode K-Nearest Neighbor untuk Identifikasi Jenis Kaca,” Ilk. J. Ilm, vol. 11, pp. 269–274, 2019.
H. Azis, F. T. Admojo, and E. Susanti, “Analisis Perbandingan Performa Metode Klasifikasi pada Dataset Multiclass Citra Busur Panah,” Techno.Com, vol. 19, no. 3, 2020.
F. T. Admojo and Ahsanawati, “Klasifikasi Aroma Alkohol Menggunakan Metode KNN,” Indones. J. Data Sci., vol. 1, no. 2, pp. 34–38, 2020.
M. Lestari, “Penerapan Algoritma Klasifikasi Nearest Neighbor (K-NN) Untuk Mendeteksi Penyakit Jantung,” Fakt. Exacta, vol. 7, no. September 2010, pp. 366–371, 2014.
H. Leidiana, “Penerapan Algoritma K-Nearest Neighbor Untuk Penentuan Resiko Kredit Kepemilikan Kendaraan Bemotor,” J. Penelit. Ilmu Komputer, Syst. Embed. Log., vol. 1, 2013.
C. A. U. Hassan, M. S. Khan, and M. A. Shah, “Comparison of Machine Learning Algorithms in Data classification,” Int. Conf. Autom. Comput., 2018.
S. Sahar, “Analisis Perbandingan Metode K-Nearest Neighbor dan Naïve Bayes Clasiffier Pada Dataset Penyakit Jantung,” Indones. J. Data Sci., vol. 1, no. 3, pp. 79–86, 2020, doi: 10.33096/ijodas.v1i3.20.
L. B. C. Tanujayaa, B. Susanto, and A. Saragiha, “Perbandingan Metode Regresi Logistik dan Random Forest untuk Klasifikasi Fitur Mode Audio Spotify,” Indones. J. data Sci., vol. 1, no. 3, pp. 68–78, 2020.
D. Cahyanti, A. Rahmayani, and S. Ainy, “Analisis performa metode Knn pada Dataset pasien pengidap Kanker Payudara,” Indones. J. Data Sci., vol. 1, no. 2, pp. 39–43, 2020.
Sugiarti and Mirnawati, “Implementasi Algoritma Goverment Standard ( GOST ) dalam Pengamanan File Dokumen,” Indones. J. Data Sci., vol. 1, no. 2, pp. 52–56, 2020.
Harlinda and Nasir, “Perancangan sistem pendukung keputusan dalam pengalokasian dana bantuan sosial di kabupaten pinrang dengan menggunakan metode AHP,” Indones. J. Data Sci., vol. 1, no. 2, pp. 44–51, 2020.
A. Prasetya Wibawa, W. Lestar, A. Bella Putra Utama, I. Tri Saputra, and Z. Nabila Izdihar, “Multilayer Perceptron untuk Prediksi Sessions pada Sebuah Website Journal Elektronik,” Indones. J. Data Sci., vol. 1, no. 3, pp. 57–67, 2020, doi: 10.33096/ijodas.v1i3.15.
M. M. Baharuddin, T. Hasanuddin, and H. Azis, “Analisis Performa Metode K-Nearest Neighbor untuk Identifikasi Jenis Kaca,” Ilk. J. Ilm., vol. 11, no. 28, pp. 269–274, 2019.
L. Nurhayati and H. Azis, “Perancangan Sistem Pendukung Keputusan Untuk Proses Kenaikan Jabatan Struktural Pada Biro Kepegawaian,” Semin. Nas. Teknol. Inf. dan Multimed., pp. 6–7, 2016.
Published
Issue
Section
License
Authors retain copyright and full publishing rights to their articles. Upon acceptance, authors grant Indonesian Journal of Data and Science a non-exclusive license to publish the work and to identify itself as the original publisher.
Self-archiving. Authors may deposit the submitted version, accepted manuscript, and version of record in institutional or subject repositories, with citation to the published article and a link to the version of record on the journal website.
Commercial permissions. Uses intended for commercial advantage or monetary compensation are not permitted under CC BY-NC 4.0. For permissions, contact the editorial office at ijodas.journal@gmail.com.
Legacy notice. Some earlier PDFs may display “Copyright © [Journal Name]” or only a CC BY-NC logo without the full license text. To ensure clarity, the authors maintain copyright, and all articles are distributed under CC BY-NC 4.0. Where any discrepancy exists, this policy and the article landing-page license statement prevail.
