K-Nearest Neighbor's Accuracy in Dermatic Bacterial Disease Diagnosis Results

Puji Sari Ramadhan, Saiful Nurafif, Muhammad Syahril

Abstract


Penelitian ini membahas dan memaparkan tentang mencari nilai akurasi dari metode K-Nearest Neighbor dalam menghasilkan kesimpulan. Hal ini perlu dilakukan untuk mengetahui efektivitas metode tersebut dalam menyelesaikan permasalahan yang terjadi. Dalam penelitian ini akan dilakukan perhitungan nilai akurasi dengan menggunakan studi kasus identifikasi penyakit Dermatic Bacterial. Pemilihan kasus ini didasari dengan fakta bahwa sulitnya melakukan diagnosis melalui gejela-gejala yang terjadi serta penanganan dini terhadap penyakit tersebut. Masalah yang terjadi dikarenakan keterbatasan pengetahuan masyakarat serta keterbatasan para ahli yang berada di berbagai daerah. Penelitian ini diawali dengan pengumpulan data kasus, gejala dan penyakit pada Dermatic Bacterial, selanjutnya membentuk basis pengetahuan berdasarkan data kasus. Proses tersebut dilanjutkan dengan melakukan perhitungan dengan menggunakan metode K-Nearest Neighbor. Setelah memperoleh hasil diagnosa berdasarkan perhitungan yang telah dilakukan menggunakan metode K-Nearest Neighbor maka proses selanjutnya adalah mencari nilai akurasi hasil diagnosa yang akan dibandingkan dengan hasil diagnosa pakar. Pada penelitian ini menggunakan 10 data sampel riwayat kasus sebelumnya dan 20 sampel untuk data pengujian. Dari proses pengujian yang dilakukan maka diketahui bahwa untuk nilai akurasi pada metode K-Nearest Neighbor sebesar 85%, sehingga dapat disimpulkan bahwa metode K-Nearest Neighbor sangat baik digunakan dalam melakukan perhitungan hasil diagnosa sebagai bagian dari diagnosa awal dan penanganan dini terhadap pasien

Keywords


K-Nearest Neighbor, Akurasi, Diagnosa, Dermatic Bacterial, Sistem Pakar

Full Text:

PDF

References


M. El Agha, A. Jarghon, and S. S. A. Naser, “Polymyalgia Rheumatic Expert System,” no. August, 2018.

A. F. Ahmed and S. S. A. Naser, “Anemia Expert System Diagnosis Using Sl5 Object,” vol. 3, no. 5, pp. 9–17, 2019.

P. S. Ramadhan, “Sistem Pakar Pendeteksian Psoriasis Postular Menggunakan Kombinasi Teorema Bayes Dengan Euclidean Probability,” Comput. Eng. Sci. Syst. J., vol. 4, no. 2, p. 111, 2019, doi: 10.24114/cess.v4i2.13203.

A. Rudiyan, A. E. Dzulkifli, and K. Munazar, “Klasifikasi Kebakaran Hutan Menggunakan Metode K-Nearest Neighbor : Studi Kasus Hutan Provinsi Kalimantan Barat,” JTIM J. Teknol. Inf. dan Multimed., vol. 3, no. 4, pp. 195–202, 2022, doi: 10.35746/jtim.v3i4.177.

E. Purwaningsih and E. Nurelasari, “Penerapan K-Nearest Neighbor Untuk Klasifikasi Tingkat Kelulusan Pada Siswa,” Syntax J. Inform., vol. 10, no. 01, pp. 46–55, 2021, [Online]. Available: https://journal.unsika.ac.id/index.php/syntax/article/download/5173/2749

P. S. Ramadhan and S. Nurarif, “Expert System of Detection Defisiensi Imun Uses K-Nearest Neighbor Method,” vol. 3, no. 2, pp. 41–48, 2019, doi: 10.30865/ijics.v3i2.1372.

* Puji et al., “Implementasi K-Nearest Neighbor Untuk Pendiagnosaan Gangguan Inflamasi Pada Anak,” , vol. 26, no. 1, pp. 26–31, 2019.

P. S. Ramadhan, “Penerapan K-Nearest Neighbor dalam Pendeteksian Abcessus,” vol. 2, 2019.

P. S. Ramadhan, “Sistem E-Diagnosis Untuk Pendiagnosaan X-Linked Agammaglobulineamia Menggunakan Euclidean Probability,” pp. 464–468, 2019.

F. M. Salman and S. S. Abu-naser, “Expert System for Castor Diseases and Diagnosis,” vol. 3, no. 3, pp. 1–10, 2019.

P. S. Ramadhan, “Penerapan K-Nearest Neighbor dalam Pendeteksian Abcessus,” InfoTekJar (Jurnal Nas. Inform. dan Teknol. Jaringan), vol. 3, no. 2, pp. 61–70, 2019, doi: 10.30743/infotekjar.v3i2.1003.

A. R. Akib and J. K. N, Penyakit Defisiensi Imun, 1st ed. Jakarta: Ikatan Dokter Indonesia, 2019.




DOI: https://doi.org/10.24114/cess.v7i2.34855

Article Metrics

Abstract view : 120 times
PDF - 128 times

Refbacks

  • There are currently no refbacks.


Creative Commons License
This work is licensed under a Creative Commons Attribution 4.0 International License.

CESS (Journal of Computer Engineering, System and Science)

Creative Commons License
CESS (Journal of Computer Engineering, System and Science) is licensed under a Creative Commons Attribution 4.0 International License