Jannah, Raihatul (2024) KLASIFIKASI PENYAKIT MATA PADA MANUSIA MENGGUNAKAN METODE NORMALISASI MIN MAX DENGAN K-NN PADA RSUD DR. FAUZIAH BIREUEN. S1 thesis, Universitas Malikussaleh.

	Text cover.pdf Download (16kB)
	Text Abstrak.pdf Download (14kB)
	Text BAB I .pdf Download (129kB)
	Text Daftar Pustaka.pdf Download (225kB)
	Text Full-text.pdf Restricted to Registered users only Download (2MB)

Abstract

ABSTRAK Keadaan sehat yang baik secara umum dipahami sebagai tidak adanya penyakit.Penglihatan manusia sangat bergantung pada mata, yang merupakan salah satu dari lima panca indera yang sangat penting. Apabila terjadi masalah pada mata dan berujung pada penyakit mata, maka dapat berdampak fatal bagi kehidupan seseorang berupa kebutaan. Karena kesibukan dokter, semakin banyak penggunaan aplikasi komputer untuk membantu para profesional mendiagnosis berbagai jenis penyakit mata. Oleh karena itu, diciptakanlah sistem komputeryang memudahkan pekerjaan para dokter khususnya dokter spesialis mata, dimanasistem ini dapat mengklasifikasikan penyakit mata ke dalam 17 kelompok penyakit yaitu Corpus Alienum, Vitreous Opacity, Ablasio Retina,Ulcus Cornea OD, VitreousHaemorage, Konjungtivitis, Selulitis Orbitalitas, Katarak, Endophalmitis Os, Nukleus Drop OS, Glaukoma, Tumor Palp Superior, Oveitis, Pterygium, Repair Kornea, Macular Hole ODS dan Repair Kornea OD, untuk melakukan klasifikasi kelompok penyakit mata ini peneliti menggunakan algortima K-Nearest Neighbor (KNN) dengan jumlah kriteria penyakit sebanyak7, yaitu demam, sakit kepala, mata perih, mata membengkak, umur, lama menataplayar smartphone/hari dan penglihatan. Penelitian ini menggunakan data yang diambil dari RSUD Dr. Fauziah Bireuen sebanyak 633 data pasien, serta diuji dengan data uji sejumlah 50 data, dari hasil pengujian tersebut algoritma K-Nearest Neighbor (KNN) memiliki tingkat akurasi yang sangat baik yaitu 88% atau sejumlah 44 data penyakit mata dinyatakan sesuai antara hasil pengujian dan data latih (training), selebihnya yakni sejumlah 6 data uji atau 12% dari total data uji penyakit mata dinyatakan tidak sesuai antara hasil pengujian dan data latih (training) yakni pada pengujian ke 6, 20, 26, 37 dan 49 namun demikian, algoritma ini sudah sangat baik digunakan dalam mengklasifikasikan penyakit mata karena memiliki tingkat akurasi hingga 88%. Kata kunci: Aplikasi, Mata, K-Nearest Neighbor, Klasifikasi

Item Type:	Thesis (S1)
Subjects:	Q Science > QA Mathematics > QA75 Electronic computers. Computer science T Technology > T Technology (General)
Divisions:	Fakultas Teknik > 55201 - Jurusan Teknik Informatika
Depositing User:	raihatul jannah
Date Deposited:	19 Nov 2024 08:03
Last Modified:	19 Nov 2024 08:03
URI:	https://rama.unimal.ac.id/id/eprint/7668

Actions (login required)

View Item