Perbandingan Algoritma K-Nearest Neighbor dan Naïve Bayes Classifier untuk Klasifikasi Status Gizi Pada Balita

Loka, Septi Kenia Pita; Marsal, Arif

doi:10.57152/malcom.v3i1.474

Cited by 4 publications

(4 citation statements)

References 13 publications

Supporting

Mentioning

Contrasting

Unclassified

Order By: Relevance

“…KNN adalah algoritma klasifikasi yang sederhana dengan mengklasifikasikan menurut data pelatihan terdekat, titik data ditentukan pada K terdekat yang diberikan tugas untuk klasifikasi data yang belum berlabel, [21]. Algoritma KNN salah satu dari bagian Supervised Learning yang mengklasifikasikan data berdasarkan kedekatan atau suatu jarak dari data ke data lainnya [22]. Algoritma KNN menghasilkan keputusan yang fleksibel bersifat nonparametik dengan tanpa memberikan asumsi secara distribusi, dalam pengklasifikasian objek dilihat berdasarkan pada data pelatihan yang memiliki jarak paling terdekat pada objek tersebut [23].…”

Section: K-nearst Neighbor (Knn)unclassified

Perbandingan Metode Ensemble Untuk Meningkatkan Akurasi Algoritm Machine Learning Dalam Memprediksi Penyakit Breast Cancer (Kanker Payudara)

Majid,

Nawangsih

2024

j.sains manaj. inform. dan kompʹût.

View full text Add to dashboard Cite

Machine Learning merupakan suatu teknologi pembelajaran mesin yang dapat digunakan untuk memudahkan pekerjaan berbagai bidang, salah satunya yaitu pada bidang kesehatan. Machine Learning dalam bidang kesehatan dapat digunakan dalam memprediksi atau mendiagnosa suatu penyakit yang dihasilkan berdasarkan dataset. Kanker payudara (breast cancer) merupakan salah satu penyakit yang mematikan khususnya banyak diderita oleh wanita, oleh karena itu perlu adanya diagnosa dini terkait penyakit kanker payudara agar penanganan dapat dilakukan dengan tepat serta mencegah adanya penyebaran kanker pada tubuh. Penelitian sebelumnya telah membahas tentang diagnosa penyakit kanker payudara namun tingkat akurasi masih rendah sehingga perlu adanya teknik peningkatan akurasi untuk dapat memberikan informasi yang akurat. Tujuan dalam penelitian ini yaitu membandingkan metode Ensemble menggunakan algoritma Machine Learning yaitu Decision Tree, Naïve Bayes, dan K-Nearest Neighbor (KNN), untuk meningkatkan akurasi dalam memprediksi penyakit Kanker Payudara. Metode ensemble yang digunakan dalam penelitian ini yaitu Adaboost dan Bagging. Hasil penelitian menunjukan bahwa terdapat peningkatan pada algoritma klasifikasi menggunakan metode ensemble. Metode paling unggul yaitu Algoritma Decision Tree dan Metode ensamble yang menghasilkan akurasi sebesar yaitu 82.76%. Pada nilai AUC tertinggi diperoleh dari algoritma KNN yang dikombinasikan dengan metode Bagging yaitu sebesar 0.950 dengan kategori sangat baik.

show abstract

Section: K-nearst Neighbor (Knn)unclassified

Perbandingan Metode Ensemble Untuk Meningkatkan Akurasi Algoritm Machine Learning Dalam Memprediksi Penyakit Breast Cancer (Kanker Payudara)

Majid,

Nawangsih

2024

j.sains manaj. inform. dan kompʹût.

View full text Add to dashboard Cite

show abstract

“…Untuk menentukan parameter, metode Naïve Bayes hanya membutuhkan sedikit data latih selama proses klasifikasi. Pada proses Naïve Bayes digunakan formula persamaan (3) [24].…”

Section: ) Naïve Bayesunclassified

Optimasi Klasifikasi Data Stunting Melalui Ensemble Learning pada Label Multiclass dengan Imbalance Data

Prasetyo,

Nugroho

2024

View full text Add to dashboard Cite

Salah satu permasalahan kesehatan yang sering ditemui di banyak negara termasuk Indonesia adalah stunting. Stunting telah mendapat banyak perhatian di Indonesia, terlihat dari alokasi APBN masing-masing sebesar Rp48,3 triliun dan Rp49,4 triliun pada tahun 2022 dan 2023 untuk bidang ini. Pada tahun 2022, Kementerian Kesehatan merilis temuan dari Survei Status Gizi Indonesia (SSGI) yang menyatakan bahwa angka stunting di Indonesia mencapai 21,6% pada saat Rapat Kerja Nasional BKKBN pada 25 Januari 2023.Hal ini menunjukkan pentingnya untuk mengerti pemahaman mendalam tentang faktor-faktor yang mengidentifikasi anak-anak berisiko tinggi terkena stunting. Banyak penelitian sebelumnya yang membahas faktor resiko stunting, namun masih sedikit penerapannya dalam metode machine learning, dalam data yang kompleks dan tidak seimbang.Penelitian ini mengevaluasi kinerja dari berbagai metode machine learning yang bertujuan dapat memberikan kontribusi penting dalam bidang kesehatan anak dan analisis data. Diantara metode machine learning yang dipilih metode Bagging Decision Tree mendapatkan nilai accuracy yang terbaik sebesar 78,93%, precision 78% dan recall sebesar 77,99%. Dalam penelitian ini menunjukkan bahwa metode ensemble learning mampu bekerja dengan baik dalam atribut multiclass dan data yang tidak seimbang pada dataset pertumbuhan balita.

show abstract

“…Data mining is the process of observing large data and information, which has not previously been detected but can be understood [13]. Data mining methods involve the use of statistical, mathematical, and artificial intelligence techniques to analyze data and identify patterns that can be used to make better decisions, optimize business processes, or reveal new knowledge [14].…”

Section: Data Miningmentioning

confidence: 99%

Comparation of Decision Tree Algorithm, Naive Bayes, K-Nearest Neighbords on Spotify Music Genre

Hendri,

Nadha,

Basri

et al. 2024

IJATIS

View full text Add to dashboard Cite

Comparison of Decision Tree, Naive Bayes, K-Nearest Neighbords Algorithm on Spotify Music Genre Decision Tree, Naive Bayes, K-Nearest Neighbords This research aims to compare three algorithms Decision Tree, Naive Bayes and K-Nearest Neighbors (K-NN) in classifying Spotify music genres using dataset from Kaggle. The results show that the Decision Tree algorithm produces an accuracy of 23%, Naive Bayes 17%, and K-Nearest Neighbors 19%. This research provides an overview of Spotify music listeners in choosing music genres. Based on research results, the Decision Tree algorithm has the highest accuracy in classifying Spotify music genres, with the Electric Dance Music (EDM) genre being the most popular among Spotify music fans, followed by rap, pop, r&b, Latin and rock. . Meanwhile, the Naive Bayes and K-Nearest Neighbors algorithms show lower accuracy.

show abstract

Perbandingan Algoritma K-Nearest Neighbor dan Naïve Bayes Classifier untuk Klasifikasi Status Gizi Pada Balita

Cited by 4 publications

References 13 publications

Perbandingan Metode Ensemble Untuk Meningkatkan Akurasi Algoritm Machine Learning Dalam Memprediksi Penyakit Breast Cancer (Kanker Payudara)

Perbandingan Metode Ensemble Untuk Meningkatkan Akurasi Algoritm Machine Learning Dalam Memprediksi Penyakit Breast Cancer (Kanker Payudara)

Optimasi Klasifikasi Data Stunting Melalui Ensemble Learning pada Label Multiclass dengan Imbalance Data

Comparation of Decision Tree Algorithm, Naive Bayes, K-Nearest Neighbords on Spotify Music Genre

Contact Info

Product

Resources

About