library@unissula.ac.id
Logo Universitas Islam Sultan Agung Repository UNISSULAUniversitas Islam Sultan Agung Semarang

KLASIFIKASI PENYAKIT KARDIOVASKULAR DENGAN ALGORITMA K-NEAREST NEIGHBOR

Detail Tugas Akhir

KLASIFIKASI PENYAKIT KARDIOVASKULAR DENGAN ALGORITMA K-NEAREST NEIGHBOR

KARIM, IKHSANUL (2023) KLASIFIKASI PENYAKIT KARDIOVASKULAR DENGAN ALGORITMA K-NEAREST NEIGHBOR. Undergraduate thesis, UNIVERSITAS ISLAM SULTAN AGUNG.

Berkas Tugas Akhir

PDF
Text
Teknik Informatika_32601601046_fullpdf.pdf
Restricted to Registered users only
Akses terbatas: khusus pengguna terdaftar Ukuran File (3MB)
PDF
Text
Teknik Informatika_32601601046_pernyataan_publikasi.pdf
Restricted to Registered users only
Akses terbatas: khusus pengguna terdaftar Ukuran File (18kB)

Abstract

Penyakit kardiovaskular merupakan salah satu masalah kesehatan utama di negara maju maupun
berkembang. Penyakit ini menjadi penyebab nomor satu kematian di dunia setiap tahunnya. Sejak
tahun 2008 diperkirakan sebanyak 17,3 juta kematian disebabkan oleh penyakit kardiovaskular.
Tingginya faktor kematian akibat penyakit kardiovaskular dapat dicegah dan ditekan faktor
resikonya jika masyarakat memiliki pengetahuan tentang gejala penyakit kardiovaskular.
Banyaknya faktor-faktor yang dikumpulkan guna mendeteksi seseorang apakah menderita penyakit
kardiovaskular atau tidak membutuhkan sistem olah data yang cukup besar. Data yang digunakan
berjumlah 1.000 data yang didapatkan dari website Kaggle Data Set yang terdiri dari atribut age,
height, weight, gender, systolic, diastolic, cholesterol, glucose, smooking, alcohol, physical activity.
Penelitian yang dilakukan akan mengubah nilai parameter K dari metode KNN menjadi 3 varian
nilai saja yaitu 1,3 dan 4. Nilai akurasi tertinggi dari perubahan nilai parameter K yang terdiri dari
1,3 dan 4 pada metode KNN didapatkan hasil akurasi tertinggi pada nilai parameter K = 4 dengan
akurasi 88 %

Kata Kunci : Data Mining, Kardiovaskular, KNN

Informasi Item

Item Type Thesis (Undergraduate)
Subjects T Technology > T Technology (General)
Divisions Fakultas Teknologi Industri
Fakultas Teknologi Industri > Mahasiswa FTI - Skripsi Teknik Informatika
Date Deposited 19 Oct 2023 07:06
Last Modified 19 Oct 2023 07:06
URI https://repository.unissula.ac.id/id/eprint/31971

Actions (login required)

View Item
View Item
Repository UNISSULAPerpustakaan Universitas Islam Sultan Agung

Telusur

Layanan

Informasi

  • AlamatJl. Raya Kaligawe KM 4, Semarang 50112
  • PelayananSenin–Jumat, 07.00–18.00 WIB
    Sabtu, Minggu & hari libur tutup.
  • NPP3302202D2011823
© 2026 Perpustakaan Universitas Islam Sultan Agung. Hak cipta karya tetap pada penulis masing-masing. KebijakanOAI-PMHRSSDijalankan dengan EPrints