K-Nearest Neighbor merupakan salah satu algoritma yang diusulkan oleh para peneliti data mining di bidang kesehatan misalnya penyakit jantung. Penyakit jantung adalah salah satu penyakit berbahaya dan penyebab kematian di seluruh dunia. Maka dari itu, penyakit jantung perlu didiagnosis. Algoritma yang digunakan dalam penelitian ini adalah penggabungan algoritma Backward Elimination dan K-Nearest Neighbor (KNN) untuk meningkatkan akurasi dalam diagnosis penyakit jantung. Penelitian ini menggunakan dataset jantung yang diperoleh dari UCI Dataset Machine Learning Repository. Hasil penelitian ini, pada dataset jantung, algoritma K-Nearest Neighbor memiliki nilai akurasi sebesar 88.62% +/- 0.09% dan nilai Area Under Curve (AUC) sebesar 0.958 +/- 0.000 yang termasuk dalam kategori klasifikasi sangat baik (excellent classification). Pada dataset jantung, penggabungan algoritma Backward Elimination dan dan K-Nearest Neighbor memiliki nilai akurasi sebesar 89.55% +/- 6.01% dan nilai Area Under Curve (AUC) sebesar 0.966 +/- 0.056 yang termasuk dalam kategori klasifikasi sangat baik (excellent classification). Penggabungan algoritma Backward Elimination dan K-Nearest Neighbor (KNN) tingkat akurasinya lebih tinggi dari pada algoritma K-Nearest Neighbor (KNN) dalam mendiagnosis penyakit jantung. Kata kunci : Backward Elimination, K-Nearest Neighbor, penyakit jantung
Copyrights © 2014