Klasifikasi Penyakit TBC Menggunakan Metode K-Nearest Neighbors (KNN)

Abstract

Tuberkulosis (TBC) merupakan penyakit menular yang disebabkan oleh bakteri Mycobacterium tuberculosis dan masih menjadi tantangan besar bagi kesehatan Masyarakat di Indonesia. Penyakit ini dapat menular dengan cepat melalui percikan udara saat penderitabatuk atau bersin, serta berisiko tinggi menular di lingkungan keluarga, untuk mendukung penegakan diagnosis dan pengelompokan penyakit ini, penelitian ini menggunakan algoritma K-Nearest neighbors (KNN) dalam konteks data mining. Data mining Adalah suatu metode yang menggabungkan statistic, matematika, kecerdasan buatan, dan machine learning untuk menemukan pola serta informasi berharga dari sejumlah besar data. KNN dipilih karena kesederhanaannya dan kemudahan dalam pengelompokan data dengan cara menilai kedekatan objek baru, atau “tetangga terdekat” (K). algoritma ini mengelompokkan data berdasarkan jarak terdekat, Dimana hasil baru ditentukan oleh mayoritas kategori dari tetangga terdekatnya. Dalam penelitian ini, digunakan dataset TBC yang terdiri dari 300 data pasien, baik yang terdiagnosis maupun yang tidak. Penelitian ini memanfaatkan perangkat lunak RapideMiner. Hasil dari eskperimen menunjukkan bahwa metode KNN menghasilkan Tingkat akurasi terbesar 75.00% dalam pengelompokan penyakit TBC. Dengan demikian, KNN sangat terbukti efektif dalam melakukan pengklasifikasian, meskipun Tingkat akurasi terakhir masih tergantung pada data yang dianalisis, sehingga dibutuhkan evaluasi serta pembaruan yang berkelanjutan. Kata Kunci: Klasifikasi penyakit, Tuberkulosis (TBC), K-Nearest Neighbors (KNN), Data Mining, RapidMiner