KLASIFIKASI UNTUK PREDIKSI PENYAKIT

LIVER MENGGUNAKAN ALGORITMA

K-NEAREST NEIGHBOR

MATA KULIAH KECERDASAN ARTIFISIAL

 TEAM MEMBER

Ilham Maulana Hakim Ja'far Shodiq Asmali Nuryadin

0110121331 0110121142 0110121319
 CONTENT
Latar Belakang
Rumusan Masalah
Tujuan
Penelitian Terkait
Metode Pembelajaran Mesin yang digunakan
Pembagian Tugas
Jadwal Pengerjaan
Implementasi dan Pengujian
Kesimpulan
 LATAR BELAKANG

Penyakit liver merupakan masalah kesehatan serius di seluruh dunia.

Identifikasi dini penyakit ini sangat penting untuk penanganan yang
tepat. Penggunaan algoritma komputasional seperti K-Nearest
Neighbors (KNN) dapat meningkatkan akurasi prediksi penyakit liver.
Algoritma KNN memanfaatkan data historis untuk mengenali pola yang
sulit dilihat oleh manusia. Hal ini membantu dalam identifikasi dini
penyakit liver dan memungkinkan intervensi medis yang tepat waktu.
Selain itu, penggunaan KNN juga meningkatkan efisiensi sumber daya
kesehatan dengan mengurangi biaya pengujian yang tidak perlu dan
memberikan perawatan yang intensif pada pasien dengan risiko tinggi.
 RUMUSAN MASALAH

Berdasarkan latar belakang, rumusan masalah yang muncul adalah:

1. Bagaimana mengklasifikasikan penyakit liver menggunakan algoritma
K-Nearest Neighbors (KNN) dengan akurasi yang tinggi?
2. Bagaimana algoritma K-Nearest Neighbors (KNN) dapat diterapkan
dalam klasifikasi penyakit liver?
3. Bagaimana penggunaan algoritma KNN dapat meningkatkan akurasi
prediksi penyakit liver dibandingkan dengan metode manual?
4. Bagaimana penerapan algoritma KNN dalam klasifikasi penyakit liver
dapat membantu tenaga medis dalam pengambilan keputusan yang
lebih akurat dan cepat?
5. Bagaimana penggunaan algoritma KNN dalam klasifikasi penyakit liver
dapat membantu meningkatkan efisiensi sumber daya kesehatan?
 TUJUAN
Tujuan dari penelitian ini adalah:
1. Mengembangkan model klasifikasi menggunakan algoritma K-Nearest
Neighbors (KNN) untuk prediksi penyakit liver.
2. Menggambarkan konsep dan prinsip dasar algoritma K-Nearest Neighbors
(KNN) dalam klasifikasi penyakit liver.
3. Mempelajari perbandingan akurasi prediksi penyakit liver antara
penggunaan algoritma KNN dengan metode manual.
4. Menjelaskan manfaat penggunaan algoritma KNN dalam membantu tenaga
medis dalam pengambilan keputusan yang lebih akurat dan cepat dalam
diagnosis penyakit liver.
5. Menjelaskan bagaimana penggunaan algoritma KNN dalam klasifikasi
penyakit liver dapat membantu meningkatkan efisiensi sumber daya
kesehatan, seperti mengurangi biaya pengujian yang tidak perlu dan
mengarahkan pasien dengan risiko tinggi untuk mendapatkan perawatan
yang lebih intensif.
 PENELITIAN TERKAIT

1 2 3

Judul Penelitian : Judul Penelitian : Judul Penelitian :

Penerapan Algoritma Optimasi Algoritma K- Perbandingan
K-Nearest Neighbor Nearest Neighbor Algoritma Klasifikasi
untuk Mendeteksi (Knn) Dengan Untuk Prediksi Penyakit
Diabetes Berbasis Normalisasi Dan Liver
Web Application Seleksi Fitur Untuk Penulis : Muhammad
Peneliti : Mohammad Klasifikasi Penyakit Rizki Fahdia Rizki
Farrel Nur Rilwanu, Liver Tahun Publikasi : 2020
Faris Huwaidi, Hibar Penulis : Siti Zulaikhah Sumber : Jurnal
Taufikurachman HR, Abdul Aziz, Rekayasa Perangkat
Tahun Publikasi : 2022 Wahyudi Harianto Lunak Mahasiswa
Sumber : Universitas Tahun Publikasi : 2022 STMIK Nusa Mandiri
Pendidikan Indonesia Sumber : Jurnal
Mahasiswa Teknik
Informatika
 METODE PEMBELAJARAN YANG
DIGUNAKAN

Dalam penelitian ini, kami memfokuskan pada penggunaan algoritma K-

Nearest Neighbor (K-NN) untuk mengklasifikasikan penyakit hati berdasarkan
atribut klinis yang relevan. Pertama, kami mencari dataset yang terdiri dari data
pasien dengan dan tanpa penyakit hati. Data tersebut mencakup atribut seperti
usia, jenis kelamin, tingkat enzim hati, bilirubin, albumin, dan lain-lain. Kami
melakukan preprocessing data untuk membersihkan dan mempersiapkannya
untuk analisis. Selanjutnya, kami menerapkan algoritma K-NN pada dataset
yang telah diproses. Algoritma K-NN adalah metode klasifikasi yang sederhana
namun efektif, di mana setiap sampel diklasifikasikan berdasarkan mayoritas
label dari K tetangga terdekatnya. Kami memilih parameter K yang optimal
melalui validasi silang dan evaluasi kinerja model.
PEMBAGIAN TUGAS
JADWAL PENGERJAKAN
 IMPLEMENTASI DAN PENGUJIAN

Berikut adalah link implementasi dan pengujian :

https://colab.research.google.com/drive/1Rrx1TXClwRfBKJlnlQYH1uyzPYOiYizZ?
usp=sharing&authuser=2
 KESIMPULAN
Dalam penelitian ini kami menggunakan algoritma K-Nearest Neighbor (K-NN) untuk melakukan
klasifikasi penyakit liver. Algoritma K-NN merupakan metode sederhana namun efektif dalam masalah
klasifikasi. Data pasien liver dengan atribut klinis digunakan sebagai input. Setelah pemrosesan data
dan pra-pemrosesan, dilakukan pelatihan model K-NN menggunakan data latih yang sudah
diklasifikasikan berdasarkan status penyakit liver.

Hasil eksperimen menunjukkan bahwa algoritma K-NN memberikan kinerja yang baik dalam klasifikasi
penyakit liver. Dalam pengujian menggunakan data uji yang tidak terlibat dalam pelatihan, model K-
NN mampu memprediksi apakah pasien menderita penyakit liver atau tidak dengan akurasi tinggi.

Penelitian ini juga mengidentifikasi atribut klinis yang paling berpengaruh dalam klasifikasi penyakit
liver, memberikan wawasan penting dalam penanganan dan diagnosis penyakit liver. Namun,
algoritma K-NN juga memiliki beberapa kelemahan, seperti sensitivitas terhadap skala atribut.
Penyesuaian atau pemrosesan lebih lanjut terhadap atribut klinis dapat dilakukan dalam penelitian
mendatang.
Secara keseluruhan, penelitian ini menunjukkan bahwa algoritma K-NN dapat digunakan dalam
prediksi penyakit liver. Hasil penelitian ini dapat menjadi dasar untuk pengembangan lebih lanjut
dalam klasifikasi penyakit liver dan aplikasi di bidang kesehatan.
THANK YOU! FOR
ATTENTION.