Klasifikasi Jenis Penyakit Mata Katarak Menggunakan Metode K-Nearest Neighbors (KNN)
DOI:
https://doi.org/10.24114/cess.v10i2.67786Keywords:
Klasifikasi, Prediksi, Katarak, K-Nearest NeighborsAbstract
Katarak merupakan gangguan penglihatan yang terjadi akibat kekeruhan pada lensa mata, umumnya disebabkan oleh proses degeneratif, paparan radikal bebas, atau gangguan lain seperti glaukoma. Diagnosis dini sangat penting untuk mencegah komplikasi, namun metode konvensional memerlukan pemeriksaan manual yang memakan waktu. Penelitian ini bertujuan mengembangkan model klasifikasi katarak menggunakan algoritma K-Nearest Neighbors (KNN), sebuah pendekatan non-parametrik yang menentukan kelas berdasarkan kedekatan fitur terhadap data pelatihan. Dataset yang digunakan terdiri dari 300 data dengan 26 atribut, dan dibagi dengan rasio 80:20. Hasil evaluasi menunjukkan bahwa KNN dengan parameter k=3 mampu menghasilkan akurasi sebesar 98,33% dengan precision 99%, recall 99%, serta f1-score 99% pada macro average dan pada weight average mendapatkan precision 98%, recall 98%, serta f-score 98%. Temuan ini menunjukkan bahwa KNN efektif dalam mendeteksi jenis penyakit mata katarak, meskipun masih terdapat ruang untuk pengembangan lebih lanjut melalui peningkatan jumlah data, teknik preprocessing yang lebih variatif, serta eksplorasi metode klasifikasi lain guna memperoleh hasil yang lebih optimal.References
[1] A. Sandy Wardhani, F. Tri Anggraeny, and A. Mustika Rizki, “Penerapan Model Hibrida CNN-KNN Untuk Klasifikasi Penyakit Mata,” Jurnal Mahasiswa Teknik Informatika, vol. 8, no. 3, Jun. 2024.
[2] D. Hananta Firdaus, B. Imran, L. Darmawan Bakti, and E. Suryadi, “Klasifikasi Penyakit Katarak Pada Mata Menggunakan Metode Convolutional Neural Network (CNN) Berbasis Web,” Jurnal Kecerdasan Buatan dan Teknologi Informasi (JKBTI), vol. 1, no. 3, pp. 18–26, Dec. 2022.
[3] P. Astari, “Katarak: Klasifikasi, Tatalaksana, dan Komplikasi Operasi,” CDK, vol. 45, pp. 748–753, 2018.
[4] R. B. J. Simanjutak, Y. Fu’adah, R. Magdalena, S. Saidah, A. B. Wiratama, and I. D. S. Ubaidah, “Cataract Classification Based on Fundus Images Using Convolutional Neural Network,” International Journal on Informatics Visualization, pp. 33–38, Mar. 2022, [Online]. Available: www.joiv.org/index.php/joiv
[5] M. Safaat, A. Sahari, and D. Lusiyanti, “Implementasi Metode K-Nearest Neighbor Untuk Mengklasifikasi Jenis Penyakit Katarak”, Jurnal Ilmiah Matematika Dan Terapan, vol. 17, no. 1, pp. 92–99, Jun. 2020, doi: 10.22487/2540766x.2020.v17.i1.15184.
[6] J. A. P. Taba, “Katarak Kongenital: Skrining dan Diagnosis,” CDK, pp. 399–405, 2021.
[7] R. Hariyanto, A. Basuki, and R. N. Hasanah, “Klasifikasi Penyakit Mata Katarak berdasarkan Kelainan Patologis dengan menggunakan Algoritma Learning Vector Quantization,” Journal of Mechanical Engineering and Mechatronics Submitted, vol. 1, no. 2, pp. 86–92, Aug. 2016.
[8] S. Uddin, I. Haque, H. Lu, M. A. Moni, and E. Gide, “Comparative performance analysis of K-nearest neighbour (KNN) algorithm and its different variants for disease prediction,” Nature Research, Dec. 2022. doi: 10.1038/s41598-022-10358-x.
[9] P. K. S, R. N. Shreya, Y. B. C, S. M. Lakshmi, and R. B. N, “Color Detection using K-Nearest Neighbors Classification Algorithm,” International Research Journal of Engineering and Technology, no. 8, Aug. 2021, [Online]. Available: www.irjet.net
[10] V. Immanuel Sunarko, D. Lizard Sambawo Dimara, P. Sandya Etniko Siagian, D. Manalu, and F. Tri Anggraeny, “Implementasi K-Fold Dalam Prediksi Hasil Produksi Agrikultur Pada Algoritma K-Nearest Neighbor (KNN),” INTEGER, vol. 10, pp. 10–16, Mar. 2025, [Online]. Available: https://satudata.pertanian.go.id/
[11] R. A. Pangestu, Taslim, Y. Yunefri, and E. Sabna, “Optimasi Nilai k Pada Algoritma K-Nearest Neighbor Untuk Klasifikasi Pasien Covid-19 Yang Membutuhkan Ruangan ICU,” JURNAL INOVTEK POLBENG, vol. 7, no. 1, 2022.
[12] M. A. Putri, C. A. Putra, and W. S. J. Saputra, “Diagnosis Awal Autism Spectrum Disorder Menggunakan Algoritma Fuzzy K-Nearest Neighbor,” Jurnal Informatika Teknologi dan Sains (JINTEKS), vol. 6, no. 2, pp. 182–187, May 2024.
[13] J. Uni, U. Nysa, A. Mahmudi, and K. Auliasari, “Perbandingan Jarak Euclidean, Manhattan, Chebyshev Pada Klasifikasi Status Gizi Balita Menggunakan Metode K-Nearest Neighbors (KNN),” Jurnal Mahasiswa Teknik Informatika, vol. 7, no. 4, 2023.
[14] D. Anitasari, F. Yulianto, T. Azhima, and Y. Siswa, “Klasifikasi Kecelakaan Lalu Lintas di Kota Samarinda Menggunakan Algoritme K-Nearest Neighbor,” MNEMONIC, vol. 8, no. 1, Feb. 2025.
[15] A. Khikam, N. Martyan Anggadimas, and M. Udin, “Implementasi Decision Tree Untuk Klasifikasi Obesitas,” Jurnal Mahasiswa Teknik Informatika), vol. 9, no. 3, 2025.
Downloads
Published
How to Cite
Issue
Section
License
Copyright (c) 2025 CESS (Journal of Computer Engineering, System and Science)
This work is licensed under a Creative Commons Attribution 4.0 International License.
