PENERAPAN ALGORITMA K-NEAREST NEIGHBOR DAN ADAPTIVE BOOSTING MENGGUNAKAN TEKNIK SMOTE PADA PREDIKSI PENYAKIT

Pazriah, Nopi (2025) PENERAPAN ALGORITMA K-NEAREST NEIGHBOR DAN ADAPTIVE BOOSTING MENGGUNAKAN TEKNIK SMOTE PADA PREDIKSI PENYAKIT. Other thesis, Universitas Siliwangi.

[thumbnail of 01 Cover.pdf] Text
01 Cover.pdf

Download (129kB)
[thumbnail of 02 Lembar Pengesahan.pdf] Text
02 Lembar Pengesahan.pdf

Download (371kB)
[thumbnail of 03 Lembar Pengesahan Penguji.pdf] Text
03 Lembar Pengesahan Penguji.pdf

Download (417kB)
[thumbnail of 04 Lembar Pernyataan Keaslian TA.pdf] Text
04 Lembar Pernyataan Keaslian TA.pdf

Download (420kB)
[thumbnail of 05 Abstrak.pdf] Text
05 Abstrak.pdf

Download (257kB)
[thumbnail of 06 Abstract.pdf] Text
06 Abstract.pdf

Download (259kB)
[thumbnail of 07 Halaman Persembahan dan Moto.pdf] Text
07 Halaman Persembahan dan Moto.pdf

Download (172kB)
[thumbnail of 08 Kata Pengantar.pdf] Text
08 Kata Pengantar.pdf

Download (642kB)
[thumbnail of 09 Daftar Isi.pdf] Text
09 Daftar Isi.pdf

Download (706kB)
[thumbnail of 10 Daftar Gambar.pdf] Text
10 Daftar Gambar.pdf

Download (232kB)
[thumbnail of 11 Daftar Tabel.pdf] Text
11 Daftar Tabel.pdf

Download (470kB)
[thumbnail of 12 Daftar Pseudocode.pdf] Text
12 Daftar Pseudocode.pdf

Download (231kB)
[thumbnail of 13 BAB 1.pdf] Text
13 BAB 1.pdf

Download (695kB)
[thumbnail of 14 BAB 2.pdf] Text
14 BAB 2.pdf

Download (906kB)
[thumbnail of 16 BAB 3.pdf] Text
16 BAB 3.pdf

Download (727kB)
[thumbnail of 17 BAB 4.pdf] Text
17 BAB 4.pdf
Restricted to Repository staff only

Download (1MB)
[thumbnail of 18 BAB 5.pdf] Text
18 BAB 5.pdf
Restricted to Repository staff only

Download (585kB)
[thumbnail of 19 DAFTAR PUSTAKA.pdf] Text
19 DAFTAR PUSTAKA.pdf

Download (572kB)
[thumbnail of 20 LAMPIRAN.pdf] Text
20 LAMPIRAN.pdf
Restricted to Repository staff only

Download (6MB)

Abstract

Stroke merupakan penyakit serebrovaskuler (pembuluh darah otak) yang disebabkan oleh gangguan atau kerusakan otak yang ditandai dengan kematian jaringan otak. Menurut WHO sebanyak 70% kematian disebabkan dari penyakit stroke, sehingga penyakit stroke merupakan penyebab kematian tertinggi kedua didunia, serta di Indonesia penyakit stroke menjadi salah satu penyebab kematian tertinggi. Berdasarkan hal tersebut, penelitian ini menerapkan algoritma K-Nearest Neighbor dan Adaptive Boosting untuk memprediksi penyakit stroke dengan menerapkan teknik SMOTE untuk mengatasi ketidakseimbangan pada data, serta dapat mengetahui hasil akurasi terbaik dari algoritma K-Nearest Neighbor dan Adaptive boosting serta pengaruh penerapan teknik SMOTE pada akurasi, namun penelitian ini tidak hanya memperhatikan akurasi tetapi juga recall, nilai recall mengukur seberapa baik model mendeteksi semua data positif yang sebenarnya ada. Dalam kasus kesehatan akan sangat fatal apabila seseorang terkena penyakit diklasifikasikan sebagai sehat, maka akan lebih baik model memiliki nilai recall yang tinggi. Kedua algoritma yang digunakan memprediksi penyakit stroke berdasarkan jenis kelamin, usia, hipertensi, penyakit jantung, status pernikahan, tipe pekerjaan, tipe tempat tinggal, rata-rata kadar gula, BMI, serta status merokok. Melalui perhitungan klasifikasi prediksi dengan membagi data latih 80% dan data uji 20% tanpa menerapkan teknik SMOTE algoritma K-Nearest Neighbor menghasilkan akurasi terbaik dengan nilai 94%, sedangkan hasil akurasi algoritma Adaptive boosting yaitu sebesar 91%. Setelah menerapkan teknik SMOTE akurasi paling baik dihasilkan oleh algoritma Adaptive boosting yaitu 89%, sedangkan algoritma K-Nearest Neighbor-SMOTE menghasilkan akurasi sebesar 86%. Nilai akurasi memang mengalami penurunan setelah menerapkan teknik SMOTE ini, akan tetapi meningkatkan nilai dari precission, recall, dan F1-Score.

Kata Kunci : Adaptive boosting, K-Nearest Neighbor, Recall, SMOTE, Stroke

Item Type: Thesis (Other)
Subjects: T Technology > T Technology (General)
Divisions: Fakultas Teknik > Teknik Informatika
Depositing User: Lelis Marsidah
Date Deposited: 04 Nov 2025 06:21
Last Modified: 04 Nov 2025 06:21
URI: https://repositori.unsil.ac.id/id/eprint/761

Actions (login required)

View Item
View Item