KLASIFIKASI PENYAKIT DENGAN GEJALA DEMAM PADA ANAK MENGGUNAKAN ALGORITMA GENETIC MODIFIED K-NEAREST NEIGHBOR

ARAFAT, MUCHTADHO DHILA (2021) KLASIFIKASI PENYAKIT DENGAN GEJALA DEMAM PADA ANAK MENGGUNAKAN ALGORITMA GENETIC MODIFIED K-NEAREST NEIGHBOR. Other thesis, UPN "Veteran" Yogyakarta.

Preview	Text Abstract.pdf Download (66kB) | Preview
Preview	Text Cover.pdf Download (130kB) | Preview
Preview	Text Daftar Isi.pdf Download (15kB) | Preview
Preview	Text Daftar Pustaka.pdf Download (71kB) | Preview
Preview	Text Lembar Pengesahan Pembimbing.pdf Download (466kB) | Preview
	Text SKRIPSI-FULL-MUCHTADHO-DHILA-ARAFAT-123160108.pdf Restricted to Repository staff only Download (7MB)

Abstract

Demam merupakan suatu keadaan suhu tubuh diatas normal (37,5C) sebagai akibat
peningkatan pusat pengatur suhu di hipotalamus. Keadaan hiperpireksia atau hipertermi (demam
tinggi) adalah kenaikan suhu tubuh sampai 41C atau lebih. Penyakit – penyakit yang ditandai
dengan adanya demam dapat menyerang sistem tubuh. Selain itu demam mungkin berperan dalam
meningkatkan perkembangan imunitas spesifik dan non spesifik dalam membantu pemulihan atau
pertahanan terhadap infeksi (Sodikin dan Wardiyah, 2016). Demam sering ditemui pada anakanak
karena tubuhnya masih rentan terhadap penyakit.
Peneliti akan melakukan pengembangan algoritma yang dilakukan dengan menambahkan
algoritma genetika pada algoritma MKNN sehingga menjadi algoritma GM-KNN (Genetic
Modified K-Nearest Neighbor). Algoritma GM-KNN adalah algoritma yang digunakan untuk
mengatasi masalah optimasi. Berdasarkan penelitian sebelumnya, algoritma Genetika pada
algoritma GM-KNN dapat meningkatkan nilai akurasi serta mengurangi kompleksitas yang tidak
dimiliki oleh algoritma MKNN untuk melakukan klasifikasi penyakit bergejala demam (Bambang
& Nurul , 2018).
Pada penelitian ini telah dilakukan klasifikasi penyakit bergejala demam menggunakan
Genetic Modified K-Nearest Neighbor. Dataset didapatkan dari RSUD Bagas Waras Klaten.
Selanjutnya dataset dilakukan pembobotan dengan dokter terkait, sehingga mendapatkan nilai
bobot pada gejala yang nantinya digunakan pada proses klasifikasi. Proses dimulai dari algoritma
genetika yang secara otomatis mencari nilai k untuk digunakan pada proses selanjutnya. Pada
proses selanjutnya yaitu proses MKNN, proses ini mengklasifikasikan penyakit berdasarkan
gejala. Berdasarkan implementasi dan hasil pengujian yang dilakukan, hasil menunjukkan bahwa
menggunakan Algoritma Genetika dapat menentukan nilai k secara otomatis dan dapat
meningkatkan nilai akurasi. Dari hasil penelitian nilai k terbaik yaitu 2. Rata-rata yang akurasi
yang dihasilkan sebesar 90%. Hasil ini menunjukkan bahwa algoritma Genetic Modified KNearest
Neighbor dapat melakukan klasfikasi penyakit bergejala demam dengan hasil yang baik.
Selain itu dari hasil pengujian yang telah dilakukan nilai pembobotan mempengaruhi tingkat
akurasi pada klasifikasi
Kata kunci : Demam, Klasifikasi, GM-KNN, Confusion Matrix

Item Type:	Thesis (Other)
Uncontrolled Keywords:	Demam, Klasifikasi, GM-KNN, Confusion Matrix
Subjects:	T Technology > T Technology (General)
Divisions:	Faculty of Engineering, Science and Mathematics > School of Engineering Sciences
Depositing User:	Eko Yuli
Date Deposited:	08 Jun 2021 08:29
Last Modified:	30 Mar 2023 00:57
URI:	http://eprints.upnyk.ac.id/id/eprint/25653

Actions (login required)

View Item