Nurzaqiah, Salma (2022) Implementasi algoritma K-Nearest Neighbor (KNN) untuk prediksi peluang kesembuhan pasien Covid-19. Sarjana thesis, UIN Sunan Gunung Djati Bandung.
  | 
            
              
Text (COVER)
 1_cover.pdf Download (103kB) | Preview  | 
          |
  | 
            
              
Text (ABSTRAK)
 2_abstrak.pdf Download (142kB) | Preview  | 
          |
  | 
            
              
Text (DAFTAR ISI)
 3_daftarisi.pdf Download (119kB) | Preview  | 
          |
  | 
            
              
Text (BAB I)
 4_bab1.pdf Download (235kB) | Preview  | 
          |
| 
              
Text (BAB II)
 5_bab2.pdf Restricted to Registered users only Download (268kB) | Request a copy  | 
          ||
| 
              
Text (BAB III)
 6_bab3.pdf Restricted to Registered users only Download (384kB) | Request a copy  | 
          ||
| 
              
Text (BAB IV)
 7_bab4.pdf Restricted to Registered users only Download (1MB) | Request a copy  | 
          ||
| 
              
Text (BAB V)
 8_bab5.pdf Restricted to Registered users only Download (76kB) | Request a copy  | 
          ||
| 
              
Text (DAFTAR PUSTAKA)
 9_daftarpustaka.pdf Restricted to Registered users only Download (150kB) | Request a copy  | 
          
Abstract
Coronavirus disease 2019 (COVID-19) merupakan penyakit baru yang ditemukan pada tahun 2019 di kota Wuhan China dan kemudian menyebar ke berbagai belahan dunia. Virus penyebab COVID-19 disebut Sars-CoV-2 dan bersifat menyebar antara hewan dan manusia (zoonosis). Metode yang digunakan untuk menghitung prediksi menggunakan algoritma K-Nearest Neighbor dengan menggunakan bahasa pemrograman Python. Model kemudian diimplementasikan kedalam sistem prediksi berbasis website. Tujuan dari penelitian ini adalah untuk mengetahui bagaimana implementasi algoritma K-Nearest Neighbor dalam melakukan prediksi peluang kesembuhan pasien COVID-19 dan mengetahui kinerja dari algoritma K-Nearest Neighbor dalam melakukan prediksi peluang kesembuhan pasien COVID-19. Kinerja rata-rata dari hasil penelitian ini memunculkan nilai akurasi sebesar 91%, presisi 95%, recall 84%, dengan jumlah testing sebanyak 20% dari total dataset sebanyak 496. Hasil penelitian ini mendapatkan K terbaik pada percobaan K=4 dengan akurasi 91%. K=4 merupakan nilai K paling Optimal diantara percobaan klasifikasi K-NN menggunakan nilai K=3 sampai dengan K=7.
| Item Type: | Thesis (Sarjana) | 
|---|---|
| Uncontrolled Keywords: | K-Nearest Neighbor; peluang kesembuhan; Covid-19 | 
| Subjects: | Data Processing, Computer Science Numerical Analysis > Algorithms  | 
        
| Divisions: | Fakultas Sains dan Teknologi > Program Studi Teknik Informatika | 
| Depositing User: | Salma Nurzaqiah | 
| Date Deposited: | 23 Feb 2022 01:22 | 
| Last Modified: | 23 Feb 2022 01:22 | 
| URI: | https://digilib.uinsgd.ac.id/id/eprint/49093 | 
Actions (login required)
![]()  | 
        View Item | 
        


