Penerapan Metode Algoritma K-Nearest Neighbor Menggunakan Rapidminer Studio Pada Klasifikasi Penyakit Gagal Jantung
Keywords:
Gagal jantung, RapidMiner Studio, K-Nearest NeighborAbstract
Penyakit gagal jantung merupakan salah satu kondisi serius yang terjadi akibat ketidakmampuan jantung untuk memompa darah secara efektif ke seluruh tubuh. Tingginya prevalensi penyakit gagal jantung yang membutuhkan metode deteksi yang akurat dan cepat untuk meningkatkan prognosis pasien. Identifikasi dini penyakit gagal ginjal dapat membantu penderita dalam pengambilan keputusan klinis yang lebih baik. Tujuan penelitian ini adalah untuk mengembangkan model klasifikasi yang dapat secara efektif membedakan antara pasien dengan gagal jantung dan yang tidak, menggunakan algoritma K-Nearest Neighbor (K-NN). Data yang digunakan berjumlah 184 sampel. Metode yang digunakan dalam penelitian ini melibatkan beberapa tahap, mulai dari persiapan dataset, pembagian data menjadi set pelatihan dan pengujian, penerapan algoritma K-NN, hingga evaluasi model menggunakan metrik akurasi, presisi, dan recall. Hasil penelitian menunjukkan bahwa model K-NN yang dikembangkan memiliki akurasi sebesar 70.65%, dengan nilai presisi untuk kelas positif (M) sebesar 79.74% dan kelas negatif (F) sebesar 25.81%. Recall untuk kelas positif (M) mencapai 84.14%, sedangkan recall untuk kelas negatif (F) hanya 20.51%. Kesimpulan dari penelitian ini adalah bahwa model K-NN memiliki kinerja yang cukup baik dalam mengklasifikasikan penyakit gagal jantung, terutama dalam mendeteksi kasus positif.
References
Altman, N. S. (1992). An introduction to kernel and nearest-neighbor nonparametric regression. The American Statistician, 46(3), 175-185.
Barasi, K. M., & Nurhaida, I. (2023). Klasifikasi Jenis Tensimeter Pada Instansi Kesehatan Di Indonesia. Innovative: Journal Of Social Science Research, 3(2), 9388–9396.
Bugis, S. A., Cakra, C., Islah, A. M., Said, M. S., Suarna, D., & Said, M. S. (2024). Implementasi Algoritma K-Nearest Neighbor (K-Nn) Dalam Perancangan Alat Pendeteksi Tingkat Kesegaran Daging. Simtek: Jurnal Sistem Informasi Dan Teknik Komputer, 9(1), 55–61.
Hapsari, R. K., Wijaya, A. K., Syifa, R., & Rahmadianto, I. N. (2024). Identifikasi Penyakit Ginjal Kronis Menggunakan Algoritma K-Nearest Neighbour (k-NN). Prosiding Seminar Nasional Informatika Bela Negara, 4, 105–109.
Hofmann, M., & Klinkenberg, R. (2013). RapidMiner: Data mining use cases and business analytics applications. CRC Press.
Kotu, V., & Deshpande, B. (2019). Predictive analytics and data mining: Concepts and practice with RapidMiner. Morgan Kaufmann.
Kumar, R., & Gopal, M. (2019). Machine learning approach for early detection and prediction of chronic diseases. Journal of Medical Systems, 43(6), 1-10.
Kurniawan, D., Wahyudi, M., Pujiastuti, L., & Sumanto, S. (2024). Deteksi dan Prediksi Cerdas Penyakit Paru-Paru dengan Algoritma Random Fores. Indonesian Journal Computer Science, 3(1), 51–56.
Kusumawati, L. W., & Lukitasari, D. D. (2023). Kepatuhan minum obat dengan interval waktu kejadian rawat inap ulang pasien gagal jantung di rumah sakit x. Java Health Jounal, 10(1), 52–60.
Maesaroh, S. (2024). Pembelajaran Mesin (Machine Learning). Pembelajaran Mesin Dan Kecerdasan Buatan: Teori Dan Aplikasi Praktis, 5.
Muttaqin, F. I., & Fauzan, A. (2024). Pendekatan Naïve Bayes untuk Mengidentifikasi Perokok Tembakau Berdasarkan Faktor Sosio-Demografi dan Kesehatan. Statistika, 24(2), 181–190.
Noyari, J. A., Aprillia, A., Munthe, R. G., Sutarman, A., & Kallas, E. (2024). Optimasi Kinerja Sistem Informasi Manajemen Kampus Menggunakan Teknik Data Mining. Jurnal MENTARI: Manajemen, Pendidikan Dan Teknologi Informasi, 3(1), 52–63.
Pramudyantoro, A., Utami, E., & Ariatmanto, D. (2024). Penggabungan K-Nearest Neighbors Dan Lightgbm Untuk Prediksi Diabetes Pada Dataset Pima Indians: Menggunakan Pendekatan Exploratory Data Analysis. JIPI (Jurnal Ilmiah Penelitian Dan Pembelajaran Informatika), 9(3), 1133–1144.
Rahman, M. M., Chowdhury, M. A., & Hossain, M. A. (2021). Classification of heart disease using machine learning techniques: A comparative study. Health Informatics Journal, 27(2), 1-18.
Sari, R. M. (2024). Klasifikasi Data Mining. Serasi Media Teknologi.
Siregar, A. H., Sihotang, D. D., Wijaya, B. A., & Siregar, S. D. (2024). Implementasi Algoritma K-Means Menggunakan RapidMiner untuk Klasterisasi Data Obat Pada Rumah Sakit Royal Prima. Jurnal Teknologi Dan Ilmu Komputer Prima (JUTIKOMP), 7(2), 200–211.
Zhang, Z., Yang, L., & Wang, S. (2020). Review of k-nearest neighbors algorithm development. Journal of Big Data, 7(1), 1-23.
Downloads
Published
How to Cite
Issue
Section
License
Copyright (c) 2025 Karisma Jihan Syafira
This work is licensed under a Creative Commons Attribution-ShareAlike 4.0 International License.
