KHARDAWI, MUHAMMAD (2026) KLASIFIKASI PENYAKIT STROKE MENGGUNAKAN METODE MODIFIED K-NEAREST NEIGHBORS. S1 thesis, UNIVERSITAS MALIKUSSALEH.

	Text COVER.pdf Download (237kB)
	Text ABSTRAK.pdf Download (261kB)
	Text BAB 1.pdf Download (311kB)
	Text DAFTAR PUSTAKA.pdf Download (216kB)
	Text FULL TEXT SKRIPSI MUHAMMAD KHARDAWI.pdf Restricted to Registered users only Download (24MB)

Abstract

Klasifikasi ialah metode pengelompokan data secara sistematis berdasarkan aturan dan prinsip analisis yang telah ditetapkan. Salah satu metode klasifikasi yang digunakan dalam penelitian ini ialah algoritma Modified K-Nearest Neighbors (MKNN), yang dikenal mampu menghasilkan tingkat akurasi yang lebih baik. MKNN merupakan pengembangan dari metode K-Nearest Neighbors (KNN) dengan penambahan tahapan perankingan dan mekanisme weighted voting menggunakan nilai alpha 0,5. Pada objek penelitian ini ialah penyakit stroke, dalam dunia medis penyakit ini terjadi akibat terganggunya aliran darah ke otak, di mana stroke iskemik disebabkan oleh penyumbatan pembuluh darah dan umumnya bersifat ringan, sedangkan stroke hemoragik terjadi akibat pecahnya pembuluh darah dan tergolong sebagai stroke berat. Setiap rumah sakit di Indonesia diwajibkan memberikan pelayanan kesehatan yang cepat dan akurat, hal ini sejalan dengan Undang - Undang Nomor 36 Tahun 2009 tentang kesehatan. Sekitar 70% penderita stroke memiliki riwayat hipertensi dan penyakit jantung, sementara sekitar 87% lainnya mengalami gangguan psikologis seperti kecemasan dan depresi. Berdasarkan data dari RSUD Cut Meutia Lhokseumawe, proses klasifikasi jenis stroke masih dilakukan secara manual melalui observasi klinis. Oleh karena itu, penelitian ini mengusulkan sistem klasifikasi penyakit stroke berbasis algoritma MKNN, sistem ini menggunakan 11 fitur dan 2 kelas diagnosis, yaitu stroke iskemik dan stroke hemoragik dengan total 100 data rekam medis yang sudah dibagi menjadi 80 data latih dan 20 data uji. Dengan nilai K=5, sistem menghasilkan tingkat akurasi confidence rata-rata sebesar 81,19%, serta nilai precision 85,71%, recall 80%, FI score 82,75% dan accuracy 75%. Sistem ini dikembangkan menggunakan bahasa pemrograman PHP dan basis data MySQL.

Item Type:	Thesis (S1)
Subjects:	Q Science > QA Mathematics Q Science > QA Mathematics > QA75 Electronic computers. Computer science Q Science > QA Mathematics > QA76 Computer software T Technology > T Technology (General)
Divisions:	Fakultas Teknik > 55201 - Jurusan Teknik Informatika
Depositing User:	khardawi dawi teknik informatika
Date Deposited:	26 Feb 2026 06:26
Last Modified:	26 Feb 2026 06:26
URI:	https://rama.unimal.ac.id/id/eprint/18639

Actions (login required)

View Item