PERBANDINGAN ALGORITMA K-NEAREST NEIGHBOR (kNN) DAN MODIFIED K-NEAREST NEIGHBOR (MkNN) UNTUK KLASIFIKASI INFARK MIOKARD (SERANGAN JANTUNG) MELALUI SINYAL ELEKTROKARDIOGRAM (EKG)

ERIAN, MUHAMMAD KHALIFAH and Yusliani, Novi and Darmawahyuni, Annisa (2023) PERBANDINGAN ALGORITMA K-NEAREST NEIGHBOR (kNN) DAN MODIFIED K-NEAREST NEIGHBOR (MkNN) UNTUK KLASIFIKASI INFARK MIOKARD (SERANGAN JANTUNG) MELALUI SINYAL ELEKTROKARDIOGRAM (EKG). Undergraduate thesis, Sriwijaya University.

	Text RAMA_55201_09021281924155.pdf - Accepted Version Restricted to Repository staff only Available under License Creative Commons Public Domain Dedication. Download (3MB) | Request a copy
	Text RAMA_55201_09021281924155_TURNITIN.pdf - Accepted Version Restricted to Repository staff only Available under License Creative Commons Public Domain Dedication. Download (3MB) | Request a copy
Preview	Text RAMA_55201_09021281924155_0008118205_8968340022_01_front_ref.pdf - Accepted Version Available under License Creative Commons Public Domain Dedication. Download (1MB) | Preview
	Text RAMA_55201_09021281924155_0008118205_8968340022_02.pdf - Accepted Version Restricted to Repository staff only Available under License Creative Commons Public Domain Dedication. Download (417kB) | Request a copy
	Text RAMA_55201_09021281924155_0008118205_8968340022_03.pdf - Accepted Version Restricted to Repository staff only Available under License Creative Commons Public Domain Dedication. Download (705kB) | Request a copy
	Text RAMA_55201_09021281924155_0008118205_8968340022_04.pdf - Accepted Version Restricted to Repository staff only Available under License Creative Commons Public Domain Dedication. Download (782kB) | Request a copy
	Text RAMA_55201_09021281924155_0008118205_8968340022_05.pdf - Accepted Version Restricted to Repository staff only Available under License Creative Commons Public Domain Dedication. Download (102kB) | Request a copy
	Text RAMA_55201_09021281924155_0008118205_8968340022_06.pdf - Accepted Version Restricted to Repository staff only Available under License Creative Commons Public Domain Dedication. Download (14kB) | Request a copy
	Text RAMA_55201_09021281924155_0008118205_8968340022_07_ref.pdf - Bibliography Restricted to Repository staff only Available under License Creative Commons Public Domain Dedication. Download (87kB) | Request a copy
	Text RAMA_55201_09021281924155_0008118205_8968340022_08_lamp.pdf - Accepted Version Restricted to Repository staff only Available under License Creative Commons Public Domain Dedication. Download (68kB) | Request a copy

Abstract

Algoritma k-Nearest Neighbor (kNN) merupakan algoritma yang paling sederhana diantara algoritma machine learning namun algoritma kNN memiliki kelemahan seperti nilai k yang bias mudah terkecoh dengan label yang tidak penting yang membuat akurasi kNN tidak maksimal. Algoritma Modified k-Nearest Neighbor (MkNN) dapat mengatasi kelemahan kNN dengan menambahkan validasi dan pembobotan pada sampel latih. Infark miokard merupakan kejadian penyakit jantung koroner yang kecil dan sering disebut Silent Heart Attack, bahkan pasien tidak menyadari ketika dirinya menderita infark miokard. Infark miokard dapat didiagnosis menggunakan alat sederhana bernama Elektrokardiogram (EKG) yang mendiagnosis secara akurat kelainan pada lingkup kardiovaskuler yang dapat dipantau secara langsung. Penelitian ini bertujuan untuk mengklasifikasi infark miokard dan kondisi jantung sehat melalui sinyal EKG. Penelitian ini menggunakan Basis data The PTB Diagnostic berisi 549 catatan dari 290 pasien. Hasil evaluasi dari algoritma, menghasilkan Manhattan sebagai penghitungan metrik jarak terbaik, dan mendapatkan MkNN lebih unggul dengan nilai k = 3 sebagai tetangga terbaik, menghasilkan akurasi 85.76%, dan kNN dengan k = 13 dengan akurasi 85.252%. Namun, MkNN memakan waktu komputasi yang lebih banyak ketimbang kNN.

Item Type:	Thesis (Undergraduate)
Uncontrolled Keywords:	k-Nearest Neighbor, Modified k-Nearest Neighbor, sinyal EKG, Infark miokard, jantung sehat, The PTB Diagnostic.
Subjects:	T Technology > T Technology (General) > T1-995 Technology (General)
Divisions:	09-Faculty of Computer Science > 55201-Informatics (S1)
Depositing User:	Degree Khalifah Erian
Date Deposited:	31 Jan 2023 01:51
Last Modified:	31 Jan 2023 01:51
URI:	http://repository.unsri.ac.id/id/eprint/87951

Actions (login required)

View Item