PENERAPAN PRINCIPAL COMPONENT ANALYSIS DAN K-NEAREST NEIGHBOR CLASSIFIER UNTUK KLASIFIKASI PENYAKIT BALITA

DAMAR DANANJAYA, 081311633037 (2017) PENERAPAN PRINCIPAL COMPONENT ANALYSIS DAN K-NEAREST NEIGHBOR CLASSIFIER UNTUK KLASIFIKASI PENYAKIT BALITA. Thesis thesis, Universitas Airlangga.

[img]
Preview
Text (ABSTRAK)
ST.SI.60.17 . Dan.p - ABSTRAK.pdf

Download (136kB) | Preview
[img] Text (FULLTEXT)
ST.SI.60.17 . Dan.p - SEC.pdf
Restricted to Registered users only until 22 November 2020.

Download (2MB) | Request a copy
Official URL: http://lib.unair.ac.id

Abstract

digunakan untuk arsip saja. Tumpukan data dari waktu ke waktu terkumpul sehingga menjadi sebuah big data. Data Balita sakit dapat digunakan untuk klasifikasi penyakit Balita sebagai sarana pembantu Bidan dalam mendiagnosa penyakit yang menyerang Balita. Penelitian ini bertujuan untuk menerapkan Principal Component Analysis (PCA) dan K-Nearest Neighbor (KNN) Classifier untuk klasifikasi penyakit Balita. Tahapan penelitian meliputi pengumpulan data dan informasi, pengolahan dan analisis data, perancangan sistem, implementasi sistem, pengujian sistem dan evaluasi hasil. Pengumpulan data dan informasi dilakukan melalui wawancara dan studi literatur. Data yang digunakan untuk penelitian yaitu data Balita sakit. Analisis data menggunakan PCA untuk mendapatkan varibel yang berpengaruh besar untuk klasifikasi penyakit Balita, sehingga dapat meningkatkan akurasi classifier. Variabel yang digunakan adalah Jenis Kelamin, Umur, Berat Badan, Tinggi Badan, Suhu Badan, dan Gejala. Setelah data dianalisis dengan PCA, variabel yang dihasilkan digunakan untuk klasifikasi penyakit Balita dengan KNN Classifier. Variabel yang dihasilkan adalah Jenis kelamin, Berat Badan, Tinggi Badan, Suhu Badan dan Gejala. Fungsi Weighted Voting diterapkan pada tahap akhir klasifikasi sebagai pembobotan antar kelas guna mendapatkan kelas penyakit Balita yang sesuai. Perancangan sistem dibangun dengan struktur fungsionalitas sistem yang digambarkan kedalam Flow Chart. Implementasi sistem diterapkan kedalam sistem berbasis web. Dua buah sistem dibangun untuk dibandingkan kehandalannya, kedua sistem tersebut yaitu: Sistem klasifikasi penyakit Balita dengan PCA dan KNN Classifier, dan Sistem klasifikasi penyakit Balita dengan KNN Classifier tanpa PCA. Pengujian sistem menggunakan Black-box Testing untuk menguji fungsionalitas sistem yang dibangun. Evaluasi hasil dilakukan dengan mengamati hasil akhir klasifikasi dari kedua sistem yang dibangun. Hasil evaluasi sistem dengan mengujikan 50 data testing menunjukkan bahwa Sistem klasifikasi penyakit Balita dengan PCA dan KNN Classifier mempunyai presentase keakurantan sebesar 78%. Dan Sistem klasifikasi penyakit Balita dengan KNN Classifier tanpa PCA mempunyai presentase keakuratan sebesar 72%. Dapat disimpulkan bahwa dengan menerapkan PCA dapat meningkatkan keakuratan classifier.

Item Type: Thesis (Thesis)
Additional Information: KKC KK ST.SI 60/17 Dan p
Uncontrolled Keywords: Variabel, Principal Component Analysis(PCA), K-Nearest Neighbor(KNN), Data Mining.
Subjects: T Technology
Divisions: 08. Fakultas Sains dan Teknologi > Sistem Informasi
Creators:
CreatorsEmail
DAMAR DANANJAYA, 081311633037UNSPECIFIED
Contributors:
ContributionNameEmail
ContributorIndah Werdiningsih, S.Si., M.Kom.UNSPECIFIED
ContributorRini Semiati, Dra., M.Si.UNSPECIFIED
Depositing User: Mr Binkol1 1
Date Deposited: 01 Jan 2018 15:59
Last Modified: 01 Jan 2018 15:59
URI: http://repository.unair.ac.id/id/eprint/67073
Sosial Share:

Actions (login required)

View Item View Item