KLASIFIKASI JENIS OBAT DENGAN MACHINE LEARNING MENGGUNAKAN METODE K-NEAREST NEIGHBORS

  • GILANG APDILLAH
  • 2024

Abstrak

Gilang Apdillah (15200157), Klasifikasi Jenis Obat Dengan Machine Learning Menggunakan Metode K-Nearest Neighbors

Pemilihan obat yang tepat adalah aspek penting dalam praktik medis, namun sering kali bergantung pada pengalaman klinis dokter, yang dapat menyebabkan ketidakakuratan pengobatan. Untuk mengatasi ini, teknik ilmu data dan pembelajaran mesin dapat digunakan untuk meningkatkan pengambilan keputusan klinis terkait pemilihan obat. Penelitian ini bertujuan mengembangkan model prediksi yang membantu dokter memilih obat berdasarkan karakteristik pasien seperti usia, jenis kelamin, tekanan darah, kadar kolesterol, dan rasio natrium terhadap kalium (Na_to_K). Model akan dilatih menggunakan metode K-Nearest Neighbors (KNN) karena kemampuannya dalam mengklasifikasikan data berdasarkan pola. Evaluasi model akan dilakukan dengan berbagai metrik kinerja, seperti akurasi, presisi, recall, dan F1-score, untuk memastikan keandalan dan validitasnya. Diharapkan hasil penelitian ini dapat meningkatkan efektivitas pengobatan dan kualitas perawatan pasien dengan menyediakan alat bantu bagi dokter dalam pengambilan keputusan yang lebih informatif dan objektif. Penelitian ini juga diharapkan menjadi dasar untuk pengembangan lebih lanjut dalam penerapan ilmu data dalam pengambilan keputusan klinis terkait pemilihan obat

Kata Kunci: Pemilihan Obat, K-Nearest Neighbors, Pembelajaran Mesin, Karakteristik Pasien.

Kata Kunci
Akses Repositori Private

https://repository.bsi.ac.id/repo/52636/KLASIFIKASI-JENIS-OBAT-DENGAN-MACHINE-LEARNING-MENGGUNAKAN-METODE-K-NEAREST-NEIGHBORS
File full-text dikunci.

Detail Informasi

Tugas Akhir ini ditulis oleh :

  • 15200157 - GILANG APDILLAH
  • Prodi : Informatika
  • Kampus : Margonda
  • Tahun : 2024
  • Pembimbing : Firmansyah, S.Kom, M.Kom
  • Kode : 0057.S1.15.SKRIPSI.I.2024
  • Status Akses : Private
  • Diinput oleh : AXD
  • Terakhir update : 20 Oktober 2024
  • Dilihat : 98 kali