PERBANDINGAN ALGORITMA DATA MINING DALAM MEMPREDIKSI KEBERLANGSUNGAN HIDUP PASIEN AKIBAT GAGAL JANTUNG MENGGUNAKAN MODEL K-NEAREST NEIGHBOR (K-NN) DAN NAIVE BAYES

Maharani, Adisty (2025) PERBANDINGAN ALGORITMA DATA MINING DALAM MEMPREDIKSI KEBERLANGSUNGAN HIDUP PASIEN AKIBAT GAGAL JANTUNG MENGGUNAKAN MODEL K-NEAREST NEIGHBOR (K-NN) DAN NAIVE BAYES. Skripsi thesis, Universitas Buddhi Dharma.

	Text COVER - BAB III.pdf - Published Version Download (1MB)
	Text BAB IV.pdf - Published Version Restricted to Registered users only Download (4MB) \| Request a copy
	Text BAB V.pdf - Published Version Download (5MB)

Official URL: http://repositori.buddhidharma.ac.id

Abstract

Gagal jantung merupakan salah satu penyakit kronis yang menjadi penyebab utama kematian di dunia. Kondisi ini menimbulkan tantangan besar dalam sistem pelayanan kesehatan, terutama dalam hal diagnosis dini pasien. Berdasarkan urgensi tersebut, penelitian ini mengangkat topik mengenai perbandingan algoritma data mining dalam memprediksi keberlangsungan hidup pasien akibat gagal jantung menggunakan model K-Nearest Neighbor (K-NN) dan Naive Bayes. Permasalahan yang dihadapi adalah belum optimalnya tingkat akurasi prediksi dan belum diketahuinya algoritma yang paling efektif dalam konteks tersebut. Penelitian ini menggunakan pendekatan CRISP-DM yang terdiri dari enam tahap: business understanding, data understanding, data preparation, modeling, evaluation, dan deployment. Data yang digunakan adalah Heart Failure Clinical Records dari UCI Machine Learning Repository yang berisi 299 data pasien dengan 12 atribut dan 1 kelas target. Hasil evaluasi menunjukkan bahwa algoritma K-NN memiliki tingkat akurasi yang lebih tinggi dibandingkan Naïve Bayes berdasarkan nilai accuracy_score pada training data dalam memprediksi keberlangsungan hidup pasien. Aplikasi yang dibangun telah diuji melalui metode Blackbox dan User Acceptance Testing (UAT) dan dinyatakan berjalan dengan baik. Diharapkan penelitian ini memberikan kontribusi dalam bentuk solusi prediktif dan aplikatif untuk mendukung pengambilan keputusan medis terkait pasien gagal jantung.

Item Type:	Thesis (Skripsi)
Uncontrolled Keywords:	Gagal Jantung, Data Mining, K-NN, Naive Bayes.
Subjects:	000 Karya Umum > 005 Pemograman > 005.73 Struktur Data
Divisions:	Fakultas Sains & Teknologi > Teknik Informatika
Depositing User:	Hariyanto Rie
Date Deposited:	23 Feb 2026 06:17
Last Modified:	23 Feb 2026 06:17
URI:	https://repositori.buddhidharma.ac.id//id/eprint/3036

Actions (login required)

View Item