Klasifikasi Penyakit Stroke Menggunakan Algoritma K-Nearest Neighbor (KNN)

Abstract

Penerapan algoritma klasifikasi merupakan salah satu solusi yang  mampu mengklasifikasikan gejala penyakit stroke. Pengklasifikasian gejala ini dalam bentuk model prediksi dapat digunakan sebagai upaya deteksi dini penyakit stroke. Algoritma yang diterapkan untuk membangun model prediksi adalah K-Nearest Neighbor (KNN). Algoritma KNN terbukti mampu memprediksi sampel uji yang baru berdasarkan jarak euclidean. Dataset terdiri dari 5110 record, attribut yang digunakan adalah: gender, age,  hypertension, heart_disease, ever_married, bmi,  work_type, residence_type, Avg_glucosa_level, smoking_status, kelompok stroke. Tahap penelitian adalah: Pengumpulan Data, Preprocessing Data, Split Data, Penerapan Algoritma KNN dan Evaluasi kinerja KNN dengan confusion matrix dan penghitungan akurasi. Performa algoritma KNN terbaik didapatkan dengan nilai k= 5 dan akurasi 93.54%.