Text
Implementasi Algoritma Fuzzy K-Nearest Neighbor untuk Klasifikasi Penyakit Diare (Studi Kasus: Puskesmas Srondol Periode 1 Januari - 31 Desember 2022)
Diare merupakan gangguan pencernaan yang ditandai dengan defekasi menjadi
lebih cair dan terjadi lebih dari tiga kali sehari. Prevalensi diare di Indonesia
merupakan masalah kesehatan dengan kasus yang tinggi. Penanganan diare
dilakukan dengan rehidrasi melalui program pemberian oralit di puskesmas. Diare
dikelompokkan menjadi 2 jenis, yaitu diare akut (ringan) dan diare kronik (berat).
Diare akut diklasifikasikan lagi menjadi koleriform yaitu jenis diare yang gejalanya
ringan dan disentriform yaitu diare yang kondisi fesesnya terdapat darah dan lendir.
Puskesmas umumnya hanya menangani kasus diare ringan sehingga dibutuhkan
metode yang mampu mengelompokkan diagnosis diare dengan tepat agar diagnosis
diare akut tidak salah diklasifikasikan ke dalam diare kronik. Penelitian ini
mengimplementasikan algoritma Fuzzy K-Nearest Neighbor untuk klasifikasi
penyakit diare. Metode Fuzzy K-Nearest Neighbor menggabungkan logika fuzzy
dan K-Nearest Neighbor. Keunggulan Fuzzy K-Nearest Neighbor adalah data
memiliki nilai keanggotaan pada setiap kelas data sehingga lebih memperkuat
alasan data untuk masuk ke dalam kelas yang diprediksi. Data diolah dengan Shiny
Package pada Rstudio untuk membuat Graphical User Interface (GUI-R) sehingga
memudahkan peneliti dalam melakukan pengolahan data. Hasil penelitian
memperoleh ketepatan klasifikasi tertinggi pada K = 3 dengan akurasi sebesar
80,19% dan spesifisitas sebesar 85,45% sehingga Fuzzy K-Nearest Neighbor
mampu mengklasifikasikan penyakit diare dengan baik.
Kata Kunci: Diare, Data Mining, Klasifikasi, Fuzzy K-Nearest Neighbor, Shiny
Package
1180 E 2024 | 1180 E 2024 | Perpustakaan FSM Undip | Tersedia |
Tidak tersedia versi lain