Optimasi Data Menggunakan K-Support Vector Nearest Neighbor Dalam Kasus Prediksi Penyakit Diabetes

Adam, Aldy Ferdian (2020) Optimasi Data Menggunakan K-Support Vector Nearest Neighbor Dalam Kasus Prediksi Penyakit Diabetes. Other thesis, Univesitas Komputer Indonesia.

[img]
Preview
Text
1.UNIKOM_Aldy Ferdian Adam_COVER.pdf - Published Version

Download (26kB) | Preview
[img]
Preview
Text
19.UNIKOM_Aldy Ferdian Adam_LEMBAR PENGESAHAN.pdf - Published Version

Download (206kB) | Preview
[img]
Preview
Text
17.UNIKOM_Aldy Ferdian Adam_SURAT KETERANGAN PUBLIKASI.pdf - Published Version

Download (224kB) | Preview
[img]
Preview
Text
20.UNIKOM_Aldy Ferdian Adam_SURAT KETERANGAN ORISINALITAS.pdf - Published Version

Download (391kB) | Preview
[img]
Preview
Text
4.UNIKOM_Aldy Ferdian Adam_KATA PENGANTAR.pdf - Published Version

Download (51kB) | Preview
[img]
Preview
Text
5.UNIKOM_Aldy Ferdian Adam_DAFTAR ISI.pdf - Published Version

Download (87kB) | Preview
[img]
Preview
Text
11.UNIKOM_Aldy Ferdian Adam_BAB 1.pdf - Published Version

Download (218kB) | Preview
[img]
Preview
Text
12.UNIKOM_Aldy Ferdian Adam_BAB 2.pdf - Published Version

Download (148kB) | Preview
[img] Text
13.UNIKOM_Aldy Ferdian Adam_BAB 3.pdf - Published Version
Restricted to Repository staff only

Download (465kB) | Request a copy
[img] Text
14.UNIKOM_Aldy Ferdian Adam_BAB 4.pdf - Published Version
Restricted to Repository staff only

Download (217kB) | Request a copy
[img]
Preview
Text
15.UNIKOM_Aldy Ferdian Adam_BAB 5.pdf - Published Version

Download (77kB) | Preview
[img]
Preview
Text
10.UNIKOM_Aldy Ferdian Adam_DAFTAR PUSTAKA.pdf - Published Version

Download (35kB) | Preview
[img]
Preview
Text
KONTAK PENULIS DAN KONTRIBUTOR.pdf - Published Version

Download (37kB) | Preview
Official URL: http://elibrary.unikom.ac.id

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 View Item