Klasifikasi Penyakit Parasit Dengan Algoritma Decision Tree Dan KNN
Keywords:
Penyakit Parasit, Klasifikasi, K-Nearest Neighbor (KNN), Decision TreeAbstract
Penyakit parasit masih menjadi masalah kesehatan di dunia. Namun, beberapa penyakit akibat parasit masih terabaikan, khususnya di negara-negara tropis, sehingga World Health Organization (WHO) memasukkannya dalam Neglected Tropical Disease, tujuan dari penelitian ini adalah untuk mengklasifikasi seseorang yang mengalami penyakit Parasit, dalam metode K-NN mempunyai kemampuan untuk menangani masalah yang kompleks tanpa terpengaruh oleh berbagai faktor dan sifatnya yang kuat, intensif, dan tidak asumtif Decision Tree mengembangkan pengetahuan berdasarkan data pelatihan dan labelnya, melakukan prediksi terkait kategori atau label kelas. Dari hasil penelitian dengan menggunakan splinting data 80:20 dapat disimpulkan bahwa model Decision Tree memberikan hasil yang lebih tinggi dibandingkan K-NN. Meskipun demikian, K-NN menunjukkan kinerja yang lebih stabil pada dataset yang lebih bervariasi. Keunggulan utama dari Decision Tree terletak pada kemampuannya menghasilkan model yang mudah diinterpretasikan, sedangkan K-NN lebih fleksibel dalam menangani data yang lebih kompleks. berdasarkan hal tersebut dapat disimpulkan bahwa baik Decision Tree maupun K-NN dapat digunakan secara efektif dalam mendeteksi penyakit parasit, yang dapat membantu dalam proses diagnosis dan pengobatan.
References
Andri, Setiawan, Rangga Febrio Waleska, Muhammad Adji Purnama, & Lusiana Efrizoni. (2024). Sidomulyo Barat, Sidomulyo Bar. Jurnal Informatika & Rekayasa Elektronika, 7(1), 3. http://e- journal.stmiklombok.ac.id/index.php/jireISSN.2620-6900
Ezquerro, L., Coimbra, R., Bauluz, B., Núñez-Lahuerta, C., Román-Berdiel, T., & Moreno-Azanza, M. (2024). Large dinosaur egg accumulations and their significance for understanding nesting behaviour. Geoscience Frontiers, 15(5), 16749871. Elsevier B.V.
Majid, Annisa Maulana, & Muhammad Najamuddin Dwi Miharja. (2022). Penerapan metode discretization dan Adaboost untuk meningkatkan akurasi algoritma klasifikasi dalam memprediksi penyakit jantung. Indonesian Journal of Business Intelligence (IJUBI), 5(2), 2621-3915. Alma Ata University Press.
Marsono, Marsono, Asyahri Hadi Nasyuha, Saiful Nur Arif, Muhammad Zunaidi, & Nur Yanti Lumban Gaol. (2022). Implementasi algoritma K-Nearest Neighbor dalam mendiagnosis kurap pada kucing. Journal of Computer System and Informatics (JoSYC), 4(1), 61-65. Forum Kerjasama Pendidikan Tinggi (FKPT).
Patimah, Endah, Ballya Vicky Haekal, & Desta Sandya Prasvita. (2021). Klasifikasi penyakit liver dengan menggunakan metode Decision Tree. Seminar Nasional Mahasiswa Ilmu Komputer dan Aplikasinya (SENAMIKA), Jakarta-Indonesia. 9786239334338.
Putri, Made Bela Pramesthi, & Edy Santoso. (2017). Diagnosis penyakit kulit pada kucing menggunakan metode Modified K-Nearest Neighbor. 1(12), 1797-1803. http://j-ptiik.ub.ac.id
Saputra, Muhardi, Johannes Putra Sidabuke, Ryan Pangeranta Sinulingga, & Reslina Br Tamba. (2023). Analisis metode algoritma K-Nearest Neighbor (KNN) dan Naive Bayes untuk klasifikasi diabetes mellitus. Jurnal TEKINKOM, 6(2), 2621-1556. https://jurnal.murnisadar.ac.id/index.php/Tekinkom/723
Sotarjua, Louis Madaerdo, & Dian Budhi Santoso. (2022). Perbandingan algoritma KNN, Decision Tree, dan Random Forest pada data imbalanced class untuk klasifikasi promosi karyawan. 7(2), 2581- 1711. Universitas HS Singaperbangsa Karawang.
