Warning: ini_set(): Session ini settings cannot be changed when a session is active in /home/stmb5393/public_html/e-journal/lib/pkp/classes/session/SessionManager.inc.php on line 71

Warning: Cannot modify header information - headers already sent by (output started at /home/stmb5393/public_html/e-journal/lib/pkp/classes/session/SessionManager.inc.php:71) in /home/stmb5393/public_html/e-journal/plugins/generic/citationStyleLanguage/CitationStyleLanguagePlugin.inc.php on line 478

Warning: Cannot modify header information - headers already sent by (output started at /home/stmb5393/public_html/e-journal/lib/pkp/classes/session/SessionManager.inc.php:71) in /home/stmb5393/public_html/e-journal/plugins/generic/citationStyleLanguage/CitationStyleLanguagePlugin.inc.php on line 479
@article{Andri Setiawan_Febrio Waleska_Muhammad Adji Purnama_Rahmaddeni_Lusiana Efrizoni_2024, title={KOMPARASI ALGORITMA K-NEAREST NEIGHBOR (K-NN), SUPPORT VECTOR MACHINE (SVM), DAN DECISION TREE DALAM KLASIFIKASI PENYAKIT STROKE}, volume={7}, url={https://www.e-journal.stmiklombok.ac.id/index.php/jire/article/view/1161}, DOI={10.36595/jire.v7i1.1161}, abstractNote={<p>Penyakit stroke adalah penyebab kematian dan kecacatan pada manusia. Stroke dapat menyebabkan aliran darah otak terganggu. Ini menghambat semua fungsi organ, menyebabkan organ-organ tertentu kehilangan elastisitas, oksigen, atau nutrisi, dan akhirnya menyebabkan mereka mati dengan cepat. Tujuan dari penelitian ini adalah untuk mengklasifikasi  seseorang yang mengalami stroke. Dalam penelitian ini, metode <em>K-NN </em>mempunyai kemampuan untuk menangani masalah yang kompleks tanpa terpengaruh oleh berbagai faktor dan sifatnya yang kuat, intensif, dan tidak asumsif, metode <em>SVM </em>memiliki kemampuan untuk menangani masalah yang kompleks tanpa terpengaruh oleh berbagai factor dan melakukan pelatihan secara efektif, sedangkan <em>Decision Tree</em> mengembangkan pengetahuan berdasarkan data pelatihan dan labelnya, melakukan prediksi terkait kategori atau label kelas. Dari metode-metode tersebut akan melakukan klasifikasi pada data penyakit stroke dari 4981 record. Hasil pengujian metode dengan <em>spliting </em>data 80:20 menunjukkan bahwa metode <em>K-NN </em>mendapatkan hasil akurasi 94%, dan <em>SVM </em>mendapatkan hasil akurasi 95%, sedangkan <em>Decision Tree</em> mendapatkan hasil 92%. Dari hasil tersebut metode <em>SVM </em>lebih baik dibandingkan dua metode <em>K-NN </em>dan <em>Decision Tree</em>. Studi ini menggunakan Streamlite untuk membuat visualisasi data menjadi lebih menarik.</p>}, number={1}, journal={Jurnal Informatika dan Rekayasa Elektronik}, author={Andri Setiawan and Febrio Waleska, Rangga and Muhammad Adji Purnama and Rahmaddeni and Lusiana Efrizoni}, year={2024}, month={Apr.}, pages={107–114} }