IDENTIFIKASI PENYAKIT PARU-PARU MENGGUNAKAN METODE K-NEAREST

Tara Anisyah Putri; Diana Diana; Susan Dian Purnamasari

Tara Anisyah Putri Universitas Bina Darma
Diana Diana Universitas Bina Darma
Susan Dian Purnamasari Universitas Bina Darma

Abstract

Abstract : The lungs are one of the most vital organs that humans have. The lungs have an important role for survival. However, there are still many people who don't care about lung health, this causes many people who are indicated to have lung disease, as well as the lack of public awareness to live clean, and lack of awareness of the various symptoms of lung disease making the case rate lung disease getting higher. In this study, the authors used the K-Nearest Neighbor (K-NN) algorithm to predict the identification of lung disease based on the similarity level of the implementation of the KNN algorithm. The closer the distance between the data, the greater the similarities and vice versa. This distance value is then used as the value of the proximity / similarity of testing data and training data. K-Nearest Neighbor (K-NN) can be used to predict various information from the data that will be used, for example classifying lung diseases based on data experienced by the community. Which is then processed with the Rapidminer application to get the results of the K-Nearest Neighbor (K-NN) calculation.

Keywords: Data Mining, K-Nearest Neighbor (K-NN), Rapidminer, Lungs.

Abstrak : Paru-paru adalah salah satu dari organ paling vital yang dimiliki manusia. Paru-paru memiliki peranan penting untuk kelangsungan hidup. Namun masih banyak orang yang kurang peduli dengan kesehatan paru-paru, hal ini menyebabkan banyak orang yang terindikasi menderita penyakit paru-paru, adapun minimnya tingkat kesadaran masyarakat untuk hidup bersih, dan minim kesadaran akan macam-macam gejala penyakit paru-paru membuat tingkat kasus penyakit paru-paru semakin tinggi. Dalam penelitian ini penulis menggunakan Algoritma K-Nearest Neighbor (K-NN) untuk memprediksi dalam mengidentifikasi penyakit Paru-Paru bedasarkan tingkat kemiripan dari implementasi algoritma knn. Semakin dekat jarak antara data, maka semakin besar pula kemiripannya dan begitu pula sebaliknya. Nilai jarak inilah yang kemudian digunakan sebagai nilai kedekatan /kemiripan data testing dan data training. K-Nearest Neighbor (K-NN) dapat digunakan untuk memprediksi berbagai informasi dari data yang akan gejala digunakan contohnya mengklasifikasikan penyakit paru-paru bedasarkan data yang dialami masyarakat. Yang kemudian di olah dengan aplikasi rapidminer untuk mendapatkan hasil perhitungan K-Nearest Neighbor (K-NN).

Kata Kunci: Data Mining, K-Nearest Neighbor (K-NN), Rapidminer, Paru-paru.