ABRAR, IHYA’ NASHIRUDIN (2022) EFEKTIVITAS ELBOW METHOD TERHADAP NILAI K PADA ALGORITMA K-NEAREST NEIGHBOR (K-NN) UNTUK KLASIFIKASI PENYAKIT LIVER. Skripsi thesis, Universitas Muhammadiyah Pontianak.
|
Text
BAB I DAN VI.pdf - Published Version Download (3MB) | Preview |
|
Text
BAB II-V.pdf - Accepted Version Restricted to Repository staff only Download (2MB) |
Abstract
Dalam dunia kesehatan mendiagnosis penyakit hati tidaklah mudah, namun ada beberapa rekam medis yang mencatat gejala penyakit pasien dan diagnosisnya ini sangat bermanfaat bagi peneliti karena rekam medis yang ada dapat digunakan untuk membantu mendiagnosa penyakit hati, dengan melakukan metode data mining yang mana data mining dapat digunakan untuk memeriksa nilai tambahan dari kumpulan informasi sebagai informasi yang tidak dapat dilihat secara fisik dengan menggunkan perhitungan K-Nearest Neighbor (K-NN). Metode ini bekerja lebih efektif dibandingkan dengan metode lain, karena metode ini mencoba untuk mengelompokkan informasi baru dari kelas yang tidak jelas dengan memilih jumlah k yang paling dekat dengan informasi baru. Sebagian besar dari kelas k yang menyertainya dipilih sebagai kelas harapan untuk informasi baru dan menggunkan Elbow Method dalam menentukan error rate dalam menentukan nilai k optimal, tujuanya adalah untuk mendapatkan tingkat akurasi terbaik dari metode K-Nearest Neighbor (K-NN), hasil pengujian menunjukkan pengujian ke-3 menjadi yang terbaik dengan akurasi training 80,5% testing 78,9% dan akurasi setelah Tuning pada data training 82,2% dan testing 77,1% tanpa melakukan penyeimbangan data karena setelah melakukan penyeimbangan data menjadi overfitting bisa jadi karena data resampling tidak sesuai dengan data sesunguhnya sehingga model terlalu kompleks dalam melatih jumlah noise yang mengakibatkan overfitting.
Item Type: | Thesis (Skripsi) |
---|---|
Uncontrolled Keywords: | Classification, Machine Learning, Elbow Method, KNN, Liver. |
Subjects: | - Teknik Informatika |
Divisions: | Fakultas Teknik dan Ilmu Komputer > Prodi Teknik Informatika |
Depositing User: | Admin 2 |
Date Deposited: | 02 Jan 2024 02:26 |
Last Modified: | 02 Jan 2024 02:26 |
URI: | http://repository.unmuhpnk.ac.id/id/eprint/2599 |
Actions (login required)
View Item |