IMPLEMENTASI ALGORITMA K-NEAREST NEIGHBOR PADA APLIKASI DETEKSI RESIKO TINGGI PADA KEHAMILAN
DOI:
https://doi.org/10.47701/infokes.v13i2.3049Keywords:
K-Nearest Neighbor, deteksi risiko tinggi, kehamilan, Desa Bolopleret, Kabupaten KlatenAbstract
Pengetahuan tentang deteksi resiko tinggi pada kehamilan di Desa Bolopret Klaten Dalam hal ini, penggunaan teknologi dan algoritma dapat menjadi solusi yang efektif untuk mendeteksi resiko tinggi pada kehamilan. Salah satu algoritma yang telah terbukti berhasil dalam klasifikasi dan prediksi adalah algoritma K-Nearest Neighbor. Penelitian ini bertujuan untuk mengetahui impelemtasi algoritma K-Nearest Neighbor pada aplikasi deteksi resiko tinggi pada kehamilan di Desa Bolopleret Klaten. Populasi penelitian adalah ibu hamil di Puskesmas Desa Bolopleret Klaten, teknik pengambilan sampel yang di tuangkan dalam bentuk angka atau biasanya di sebut dengan SKOR sejumlah 3 responden, (1) Kehamilan resiko rendah (2) Kehamilan resiko tinggi (3) Kehamilan resiko sangat tinggi Metode pengumpulan data menggunakan data primer. Analisa data univariat menggunakan distribusi frekuensi. Ibu hamil yang diambil 45 data sample yang akan dicari nilai nearest neighbor dengan data uji baru. Hasil pengujian terhadap keakurasian nilai K yang digunakan dalam penelitian ini, dengan menggunakan nilai K = 5 mendapatkan hasil tertinggi yaitu 93 %. Dalam mencarian nilai K tidak disarankan untuk menggunakan nilai K dengan angka genab, karena jika menggunakan angka genab ditakutkan akan didapatkan hasil yang double. Jadi tidak bisa menghitung hasil akhir dengan menggunakan mayoritas sederhana, atau membandingkan hasil prediksi terbaik berdasarkan pengurutan hasil terkecil jarak Euclidean. Ada hubungan antara karakteristik resiko kehamilan rendah dan tinggi pada ibu hamil dengan perilaku pencegahan sejak dini dari umur kehamilan resiko rendah.
Downloads
References
Akmal, Khairul, Ahmad Faqih, and Fatihanursari Dikananda. 2023. “Perbandingan Metode Algoritma Naïve Bayes Dan K-Nearest Neighbors Untuk Klasifikasi Penyakit Stroke.†JATI (Jurnal Mahasiswa Teknik Informatika) 7 (1): 470–77. https://doi.org/10.36040/jati.v7i1.6367.
Amien, Iqmal Lendra Faisal, Widi Astuti, and Kemas Muslim Lhaksamana. 2023. “Perbandingan Metode Naïve Bayes Dan KNN (K-Nearest Neighbor) Dalam Klasifikasi Penyakit Diabetes.†E-Proceeding of Engineering 10 (2): 1911–20.
Djamsi, Ningsih, Didih Rizki Chandranegara, and Zamah Sari. 2023. “Mendeteksi Ekspresi Wajah Dengan Meninjau Iris Mata Menggunakan Metode Transformasi Hough Dan K-Nearest Neighbor (KNN).†Repositor 5 (1): 575–80.
Fansyuri, Maulana, and Devi Yunita. 2023. “Implementasi K-Nearest Neighbor Untuk Klasifikasi Jenis Kelamin Berdasarkan Analisis Citra Wajah†3 (6): 1208–16. https://doi.org/10.30865/klik.v3i6.827.
Hidayat, Rahmat, Dwi Kartini, Muhammad Itqan, Irwan Budiman, and Rahmat Ramadhani. 2023. “Implementasi Seleksi Fitur Binary Particle Swarm Optimization Pada Algoritma K-NN Untuk Klasifikasi Kanker Payudara Implementation of Binary Particle Swarm Optimization Feature Selection on K-NN Algorithm for Breast Cancer Classification†11 (1): 62–66. https://doi.org/10.26418/justin.v11i1.53608.
Hidayat, Rakhmat, Rini Astuti, and Ade Irma Purnamasari. 2023. “Implementasi Algoritma K-Nearest Neighbor Untuk Mengestimasi Computational Thinking Mahasiswa Dalam Pembelajaran Hybrid.†JATI (Jurnal Mahasiswa Teknik Informatika) 7 (1): 727–33. https://doi.org/10.36040/jati.v7i1.6504.
Ida, Suardi Hi Baharuddin, Muhammad Faisal, Nur Ramadhan, and Darniati. 2023. “Implementasi Algoritma K-Nearest Neighbor Terhadap Penentuan Risiko Kredit Usaha Mikro Kecil Dan Menengah.†Jurnal Indonesia : Manajemen Informatika Dan Komunikasi 4 (1): 212–23. https://doi.org/10.35870/jimik.v4i1.163.
Ikhromr, Fitrokh Nur, Ipin Sugiyarto, Umi Faddillah, and Bibit Sudarsono. 2023. “Implementasi Data Mining Untuk Memprediksi Penyakit Diabetes Menggunakan Algoritma Naives Bayes Dan K-Nearest Neighbor.†INTECOMS: Journal of Information Technology and Computer Science 6 (1): 416–28.
Maruli Tua Silaen. 2023. “Klasifikasi Karakteristik Kepribadian Siswa Berdasarkan the Big Five Personality Dengan Menggunakan Metode K- Nearest Neighbor (Knn).†Jurnal Informatika Dan Rekayasa Elektronik 6 (1): 121–29. https://doi.org/10.36595/jire.v6i1.860.
Meilani, Nadya, and Odi Nurdiawan. 2023. “Data Mining Untuk Klasifikasi Penderita Kanker Payudara Menggunakan Algoritma K-Nearest Neighbor.†Jurnal Wahana Informatika (JWI) 2 (1): 177–87. https://archive.ics.uci.edu/ml/datasets/Breast+Cancer.
Wahyudi, I Wayan Trisna, and I Gusti Agung Gede Arya Kadyanan. 2023. “Implementasi Logistic Regression Dalam Sistem Diagnosa Penyakit Diabetes Dengan KNN.†Jurnal Elektronik Ilmu Komputer Udayana 11 (4): 743–50.
Yang, Fangyuan, Kang Wang, Lisha Sun, Mengjiao Zhai, Jiejie Song, and Hong Wang. 2022. “A Hybrid Sampling Algorithm Combining Synthetic Minority Over-Sampling Technique and Edited Nearest Neighbor for Missed Abortion Diagnosis.†BMC Medical Informatics and Decision Making 22 (1): 1–14. https://doi.org/10.1186/s12911-022-02075-2.
Yunus, Muhammad, and Ni Kadek Ari Pratiwi. 2023. “Prediksi Status Gizi Balita Dengan Algoritma K-Nearest.†JTIM : Jurnal Teknologi Informasi Dan Multimedia 4 (4): 221–31.
Downloads
Published
How to Cite
Issue
Section
License
Copyright (c) 2023 Triana Triana, Ema Utami, Anggit Dwi Hartanto
This work is licensed under a Creative Commons Attribution 4.0 International License.