Implementasi Metode K-Nearest Neighbors (KNN) Untuk Klasifikasi Penyakit Jantung

Authors

  • Maulana Fansyuri Universitas Pamulang
  • Tyas Fachri Ramdhani Universitas Pamulang
  • Rivan Saputra Universitas Pamulang
  • Deni Setiawan Universitas Pamulang

Keywords:

Metode K-Nearest Neighbors, Jantung, Data Mining

Abstract

Penyakit jantung merupakan salah satu penyakit yang sangat berbahaya, penyakit ini juga bisa menyerang berbagai kalangan usia. Penyakit jantung meskipun tidak menular, akan menjadi serius bagi semua kalangan usia jika berbagai faktor  seperti kurangnya aktivitas fisik, kebiasaan merokok, konsumsi alcohol dan pola hidup tidak sehat dilakukan. Salah satu yang menyebabkan penyakit ini timbul adalah penyumbatan aliran darah yang masuk ke dalam jantung. Penelitian ini memanfaatkan Teknik data mining untuk menggali informasi dari data besar dengan focus pada metode K-Nearest Neighbors (KNN). K-Nearest Neighbors adalah algoritma sederhana namun efektif untuk klasifikasi data yang bekerja dengan menentukan kedekatan objek baru. Metode ini termasuk dalam kategori supervisored learning, yang menggunakan data berlabel untuk membangun model prediksi. Data yang digunakan dalam penelitian ini diambil dari Kaggle dengan judul “Dataset Penyakit Jantung” yang terdiri dari 1025 entri dan 13 atribut. Tujuan Penelitian ini adalah untuk memancarkan Tingkat akurasi metode K-NN serta mengembangkan aplikasinya dalam klasifikasi penyakit jantung.

References

Yogianto, A., Homaidi, A., & Fatah, Z. (2024). Implementasi Metode K-Nearest Neighbors (KNN) untuk Klasifikasi Penyakit Jantung. G-Tech: Jurnal Teknologi Terapan, 8(3), 1720–1728. https://doi.org/10.33379/gtech.v8i3.4495

Downloads

Published

2025-01-09

How to Cite

Fansyuri, M., Fachri Ramdhani, T., Saputra, R., & Setiawan, D. (2025). Implementasi Metode K-Nearest Neighbors (KNN) Untuk Klasifikasi Penyakit Jantung. JRIIN :Jurnal Riset Informatika Dan Inovasi, 2(11), 2029–2033. Retrieved from https://jurnalmahasiswa.com/index.php/jriin/article/view/2244

Most read articles by the same author(s)