Implementasi Algoritma K-Nearest Neighbor (KNN) Untuk Memprediksi Pasien Terkena Penyakit Diabetes Pada Puskesmas Manyampa Kabupaten Bulukumba

Main Article Content

M. Syukri Mustafa I Wayan Simpen

Abstract

Penelitian ini dimaksudkan untuk melakukan pengujian terhadap kemungkinan seorang pasien baru pada puskesmas Manyampa kabupaten Bulukumba dapat terkena penyakit diabetes militus atau tidak dengan menggunakan analisis data mining untuk menggali tumpukan histori data menggunakan algoritma K-Nearest Neighbor (KNN). Aplikasi yang dihasilkan pada penelitian ini menggunakan beberapa atribut yang klasifikasikan data mining antara lain : usia, anak ke, jumlah saudara, jenis kelamin, status perkawinan, pekerjaan, keluarga terkena diabetes militus, sehingga dengan menerapkan analysis KNN dapat dilakukan suatu prediksi berdasarkan kedekatan histori data yang ada dengan data yang baru, apakah pasaien tersebut diprediksi terkena diabete atau tidak. Data training yang digunakan dalam penelitian ini sebanyak 200 data pasien yang telah melakukan pemeriksaan dalam 2 tahun terakhir. Dari hasil pengujian penulis menggunakan data testing/sampel sebanyak 104 data pasien yang diambil diluar data training, hal ini dimaksudkan agar hasil prediksi Status Diabetes Militus Pasien dari sistem yang dirancang dapat dibandingkan dengan hasil Status Diabetes Militus Pasien yang sesuai dengan data. Hasil akurasi yangdipeloleh dari pengujian tersebut sebesar 68,30%.

Downloads

Download data is not yet available.

Article Details

Section
Articles

References

[1] Ahmed, K., Jesmin, T., & Fatima, U. 2012. “Intelligent and Effective Diabetes Risk Prediction System Using Data Mining. Oriental Journal of Computer Science & Technology”, 5(2), 215–221.
[2] Ian H. Witten, Frank Eibe, Mark A. Hall, 2011. “Data mining: Practical Machine Learning Tools and Techniques” 3rd Edition, Elsevier.
[3] Ikmalia Fernanda, Silvia & Eka Ratnawati, Dian & Adikara, Putra, 2017. “Identifikasi Penyakit Diabetes Mellitus Menggunakan Metode Modified K-Nearest Neighbor (MKNN)”. Jurnal Pengembangan Teknologi Informasi dan Ilmu Komputer Vol. 1, No. 6, Juni 2017, hlm. 507-513
[4] Kursini & Emha Taufiq Luthfi, 2009. “Algoritma data Mining”, ANDI,Yogyakarta
[5] Mustafa S.M & I Wayan Simpen. 2014. “Perancangan Aplikasi Prediksi Kelulusan Tepat Waktu Bagi Mahasiswa Baru Dengan Teknik Data Mining (Studi Kasus:Data Akademik Mahasiswa STMIK Dipanegara Makassar”. Makassar: Jurnal Citek. Vol. 1, No. 4.
[6] Salim F, Marko Sugeng, 2017. “Analisis Rekam Medis Pasien Diabetes Mellitus Melalui Implementasi Teknik Data Mining di RSUP Dr. Sardjito Yogyakarta”, Jurnal Kesehatan Vokasional Vol 2, No 2, https://doi.org/10.22146/jkesvo.30331
[7] V, V. V., & Ravikumar, A. 2014. “Study of Data Mining Algorithms for Prediction and Diagnosis of Diabetes Mellitus”. International Journal of Computer Application, 95(17), 12–16.
[8] M. Shalahuddin, Rosa A.S. 2010. “Pemrograman Berorientasi Objek”., Modula:Bandung.