JOURNAL ARTICLE

PERBANDINGAN METODE ALGORITMA NAÏVE BAYES DAN K-NEAREST NEIGHBORS UNTUK KLASIFIKASI PENYAKIT STROKE

Khairul AkmalAhmad FaqihFatihanursari Dikananda

Year: 2023 Journal:   JATI (Jurnal Mahasiswa Teknik Informatika) Vol: 7 (1)Pages: 470-477

Abstract

Stroke selaku serupa penyakit yang meninggali strata ketiga di Indonesia sesudah jantung serta kanker. Kerapkali setiap individu bermalas-malasan dalam mendapati terdapatnya penyakit stroke. Minimnya kekuatan kedokteran di Indonesia membikin rakyat sukar guna mengetahui dengan cara dini penyakit stroke. Stroke yaitu sesuatu sindrom klinis yang diisyarati dengan tandasnya peranan otak dengan cara berat yang bisa mengakibatkan kematian. Tujuan riset ini guna pengelompokan hasil kira-kira penyakit stroke dengan pendekatan algoritma Naïve Bayes serta K-Nearest Neighbors menurut kriteria-kriteria dalam penyakit stroke antara lain kategori genitalia, umur pesakit, darah tinggi, riwayat sakit jantung, sempat menikah, kategori profesi, kategori tempat bermukim, kandungan gula darah, BMI, status merokok. Statistik yang dibubuhkan dalam riset ini ialah Stroke Prediction Dataset yang diperoleh pada repositori Kaggle yang yaitu salah satu yang populer di negeri Data Science serta Machine Learning. Kali ini perubahan masa revolusi industri 4.0 yang bergerak selaras di segi teknologi serta ilmu kesehatan akibatnya selaku suatu yang bisa berharga dengan mengenakan Machine Learning. Banyak sekali faedah yang dibubuhkan dalam menduga sebagian penyakit yang bisa di proyeksi. Eksklusifnya penyakit stroke dengan mengenakan tilikan algoritma Naïve Bayes serta K-Nearest Neighbors guna tiap-tiap elastis nya. Implementasi cara ini mengenakan Cross Validation adalah data training serta data testing dibikin kuota dalam melaksanakan pengetesan. Pemanfaatan algoritma Naïve Bayes serta K-Nearest Neighbors bisa di terapkan selaku materi evaluasi guna membikin sistem pandai yang dibubuhkan oleh para pakar kesehatan guna pengumpulan ketetapan yang bagus di segi ke penjagaan serta medis dalam memacu hasil pemeriksaan pesakit stroke. Hasil ketelitian yang didapat dengan mengenakan algoritma K-Nearest Neighbors sebesar 94,36% hasil pengelompokan bisa dibubuhkan guna menolong dokter dalam pemeriksaan penyakit stroke.

Keywords:
Medicine Gynecology Traditional medicine

Metrics

5
Cited By
3.09
FWCI (Field Weighted Citation Impact)
5
Refs
0.90
Citation Normalized Percentile
Is in top 1%
Is in top 10%

Citation History

Topics

Data Mining and Machine Learning Applications
Physical Sciences →  Computer Science →  Information Systems
Edcuational Technology Systems
Physical Sciences →  Computer Science →  Artificial Intelligence
Multimedia Learning Systems
Physical Sciences →  Computer Science →  Information Systems

Related Documents

JOURNAL ARTICLE

Perbandingan Algoritma Naïve Bayes dan K-Nearest Neighbors untuk Klasifikasi Metabolik Sindrom

Fitriana SholekhahAdinda Dwi PutriRahmaddeni RahmaddeniLuasiana Efrizoni

Journal:   MALCOM Indonesian Journal of Machine Learning and Computer Science Year: 2024 Vol: 4 (2)Pages: 507-514
JOURNAL ARTICLE

Perbandingan Algoritma Naïve Bayes dan K-Nearest Neighbor (K-NN) Untuk Klasifikasi Penyakit Gagal Jantung

Firman ZahriFitri InsaniJasril JasrilLola Oktavia

Journal:   Journal of Information System Research (JOSH) Year: 2025 Vol: 6 (2)Pages: 997-1005
JOURNAL ARTICLE

PERBANDINGAN ALGORITMA NAÏVE BAYES DAN K-NEAREST NEIGHBORS UNTUK KLASIFIKASI TOPIK BERITA PADA SITUS DETIK.COM

Muhammad Iksan MaulanaMartanto MartantoUmi Hayati

Journal:   JATI (Jurnal Mahasiswa Teknik Informatika) Year: 2024 Vol: 8 (3)Pages: 3733-3742
© 2026 ScienceGate Book Chapters — All rights reserved.