Text
KLASIFIKASI PENYAKIT HIPERTENSI MENGGUNAKAN K-NEAREST NEIGHBOR DENGAN PERBANDINGAN EUCLIDEAN DAN MANHATTAN DISTANCE
- Bagikan:
Hipertensi merupakan salah satu penyakit tidak menular yang menjadi
masalah kesehatan global karena dapat meningkatkan risiko penyakit jantung,
stroke, dan gagal ginjal. Di , proses identifikasi pasien hipertensi masih dilakukan
secara manual, sehingga kurang efisien dan berpotensi menghambat penanganan
dini. Penelitian ini bertujuan untuk mengimplementasikan metode K-Nearest
Neighbor (KNN) dalam mengklasifikasikan status hipertensi pasien berdasarkan
data rekam medis. Data yang digunakan merupakan data sekunder dari periode
2021–2024 dengan jumlah 1.985 data pasien dan 11 variabel, meliputi Age, Salt
Intake, Stress Score, BP History, Sleep Duration, BMI, Medication, Family
History, Exercise Level, Smoking Status, dan Has Hypertension. Pembagian
dataset dilakukan dengan rasio 80% data latih dan 20% data uji, sedangkan
pemodelan dilakukan menggunakan bahasa pemrograman Python melalui
platform Google Colab. Nilai parameter K ditentukan sebesar 3, dan evaluasi
model dilakukan menggunakan metrik accuracy, precision, recall, dan F1-score.
Hasil pengujian menunjukkan bahwa model KNN mampu mencapai akurasi
sebesar 67%, precision kelas 0 sebesar 0,64 dan kelas 1 sebesar 0,70, serta recall
kelas 0 sebesar 0,70 dan kelas 1 sebesar 0,63. Temuan ini menunjukkan bahwa
metode KNN memiliki kinerja yang cukup baik dalam mengklasifikasikan status
hipertensi pasien, meskipun masih terdapat potensi peningkatan terutama pada
pengurangan kesalahan prediksi pada kelas False Negative.
Kata kunci : Hipertensi, Klasifikasi, K-Nearest Neighbor, Rekam Medis, Data
Mining
Detail Information
| Item Type |
Skripsi (S1)
|
|---|---|
| Penulis |
RUBEN SIMANJUNTAK - Personal Name
|
| Student ID |
221510058
|
| Dosen Pembimbing |
Margaretha Yohanna, S.Kom., M.Kom. - - Dosen Pembimbing 1
Yolanda Yulianti Pratiwi Rumapea, S.Kom., M.Kom. - - Dosen Pembimbing 2 |
| Penguji |
Indra Kelana Jaya, S.T., M.Kom. - - Penguji 1
|
| Kode Prodi PDDIKTI |
55201
|
| Edisi |
Published
|
| Departement |
Teknik Informatika
|
| Kontributor | |
| Bahasa |
Indonesia
|
| Penerbit | Universitas Methodist Indonesia : Medan., 2026 |
| Edisi |
Published
|
| Subyek | |
| No Panggil | |
| Copyright |
Fakultas Ilmu Komputer Universitas Methodist Indonesia
|
| Doi |