Analisis Performa Metode K- Nearest Neighbor (KNN) dan Crossvalidation pada Data Penyakit Cardiovascular

Abstract

Secara global, penyebab kematian nomor satu setiap tahunnya adalah penyakit Cardiovascular. Penyakit cardiovascular adalah penyakit yang disebabkan gangguan fungsi jantung dan pembuluh darah, seperti Penyakit Jantung Koroner, Penyakit Gagal jantung atau Payah Jantung, Hipertensi dan Stroke. (Kemenkes RI, 2014). Tujuan dari penelitian ini adalah mengukur performa (akurasi, presisi, recall dan f-measure) metode knn dan crossvalidation pada dataset cardiovascular. dataset yang digunakan sebanyak 1000 record terdiri dari 11 atribut (age, gender, height, dsb) data pasien cardiovascular dan non cardiovascular, dataset tersebut diperoleh dari UCI Machine Learning Repository yang dikelola oleh Hungarian Institute of Cardiology Budapest: Andras Janosi, M.D., University Hospital, Zurich, Switzerland. Tahapan yang dilakukan yaitu: membagi rasio simulasi dataset (20:80, 50:50, 80:20), penerapan crossvalidation (k-fold=10) dan klasifikasi menggunakan metode K-NN (k=2 hingga K=900), Hasil penelitian dari simulasi rasio dataset 50:50 memperoleh nilai akurasi 82%, presisi 82%, recall 82% dan f-measure 80% pada nilai K=13. Kemudian hasil penelitian dari simulasi rasio dataset 20:80 memperoleh nilai akurasi 87%, presisi 87%, recall 97% dan f-measure 92% pada nilai K=3. Dan hasil penelitian dari simulasi rasio dataset 80:20 memperoleh nilai akurasi 91%, presisi 92%, recall 60% dan f-measure 72% pada nilai K=5.