Adam, Aldy Ferdian (2020) Optimasi Data Menggunakan K-Support Vector Nearest Neighbor Dalam Kasus Prediksi Penyakit Diabetes. Other thesis, Univesitas Komputer Indonesia.
|
Text
1.UNIKOM_Aldy Ferdian Adam_COVER.pdf - Published Version Download (26kB) | Preview |
|
|
Text
19.UNIKOM_Aldy Ferdian Adam_LEMBAR PENGESAHAN.pdf - Published Version Download (206kB) | Preview |
|
|
Text
17.UNIKOM_Aldy Ferdian Adam_SURAT KETERANGAN PUBLIKASI.pdf - Published Version Download (224kB) | Preview |
|
|
Text
20.UNIKOM_Aldy Ferdian Adam_SURAT KETERANGAN ORISINALITAS.pdf - Published Version Download (391kB) | Preview |
|
|
Text
4.UNIKOM_Aldy Ferdian Adam_KATA PENGANTAR.pdf - Published Version Download (51kB) | Preview |
|
|
Text
5.UNIKOM_Aldy Ferdian Adam_DAFTAR ISI.pdf - Published Version Download (87kB) | Preview |
|
|
Text
11.UNIKOM_Aldy Ferdian Adam_BAB 1.pdf - Published Version Download (218kB) | Preview |
|
|
Text
12.UNIKOM_Aldy Ferdian Adam_BAB 2.pdf - Published Version Download (148kB) | Preview |
|
Text
13.UNIKOM_Aldy Ferdian Adam_BAB 3.pdf - Published Version Restricted to Repository staff only Download (465kB) | Request a copy |
||
Text
14.UNIKOM_Aldy Ferdian Adam_BAB 4.pdf - Published Version Restricted to Repository staff only Download (217kB) | Request a copy |
||
|
Text
15.UNIKOM_Aldy Ferdian Adam_BAB 5.pdf - Published Version Download (77kB) | Preview |
|
|
Text
10.UNIKOM_Aldy Ferdian Adam_DAFTAR PUSTAKA.pdf - Published Version Download (35kB) | Preview |
|
|
Text
KONTAK PENULIS DAN KONTRIBUTOR.pdf - Published Version Download (37kB) | Preview |
Abstract
Berdasarkan penelitian sebelumnya yang dilakukan oleh Indrayanti, dkk tentang memprediksi penyakit diabetes dengan menggunakan K-Nearest Neighbour (KNN) saja. Dari hasil penelitian tersebut didapat akurasi sebesar 75.14% dengan nilai K=13. Pada penelitian tersebut data yang digunakan memiliki noise dan tidak diproses terlebih dahulu. Pada penelitian ini digunakan metodologi case studies research dan dataset yang sama yaitu Pima Indian Diabetes Database. Pengujian dilakukan dengan memasukan nilai K=3 sampai K=21 untuk KNN dan KSVNN. Hasil dari penelitian ini menunjukan pengurangan data sebesar 25.77% dan didapat akurasi sebesar 85.59% dengan menggunakan nilai K=5 untuk KSVNN dan K=13 untuk KNN. Hal ini membuktikan bahwa dengan melakukan optimasi data memiliki hasil prediksi yang baik pada kasus klasifikasi menggunakan KNN.
Item Type: | Thesis (Other) |
---|---|
Uncontrolled Keywords: | Diabetes, KNN, KSVNN, Reduksi Data |
Subjects: | 000_COMPUTER SCIENCE, INFORMATION & GENERAL WORKS. > 005_Computer Programming, Programs & Data |
Divisions: | S1_SKRIPSI > FTIK_Teknik Informatika (01) |
Depositing User: | Mrs. Calis Maryani |
Date Deposited: | 29 Jun 2021 02:27 |
Last Modified: | 29 Jun 2021 02:27 |
URI: | http://elibrary.unikom.ac.id/id/eprint/4001 |
Actions (login required)
View Item |