PENERAPAN METODE K-NEAREST NEIGHBOR (K-NN) UNTUK KLASIFIKASI DIAGNOSA DINI PENYAKIT STROKE

Penyakit stroke menduduki peringkat pertama penyebab kecacatan dan kematian peringkat tiga di dunia sesudah penyakit kanker dan jantung. Masyarakat Indonesia banyak yang belum mengetahui dan menyadari tanda-tanda atau gejala stroke sedini mungkin karena gejalanya beragam. Apalagi masyarakat enggan memeriksakan diri ke rumah sakit untuk berkonsultasi terkait gejala yang dialami.rnOleh karena itu, untuk memudahkan dalam mendiagnosa pasien penyakit stroke dilakukan klasifikasi dengan menggunakan metode K-Nearest Neighbor (K-NN). Atribut yang digunakan pada skripsi ini adalah id, gender, age, hypertension, heart_disease, ever_married, work_type, residence_type, avg_glucose_level, bmi, smoking_status, stroke. Dalam mengetahui suatu tingkatan akurasi nilai dari data yang dihasilkan di lanjutkan dengan proses perhitungan recall, akurasi, dan presisi, dan dengan persamaan. Pengujian dilakukan dengan menggunakan nilai tetangga k =3, k=5, k=7, k=9, dan k=11 untuk setiap pembagian data testing dan data training, penelitian mendapatkan nilai evaluasi terbaik dengan nilai presisi 95.59%, recall 100.00%, f-1 score 97.74%, dan akurasi 95.59% dengan pembagian data sebanyak k=5 pada k-folding 5.