Penerapan Algoritma K-Nearest Neighbor (KNN) untuk Memprediksi Ketepatan Siklus Menstruasi Berdasarkan Riwayat Siklus pada Karyawati PT Varitech Energy

• MULISSA MUSTIKA LAKATEFA
• 2025

---

Perkembangan teknologi informasi saat ini dapat diterapkan dalam berbagai aspek kehidupan termasuk di bidang kesehatan. Salah satu penerapannya adalah penggunaan machine learning untuk membantu memprediksi siklus menstruasi wanita. Menstruasi adalah proses biologis yang dialami oleh wanita dan tingkat ketepatannya sering dijadikan indikator kondisi kesehatan reproduksi. Siklus menstruasi bisa terganggu oleh banyak faktor seperti usia, stres, pola tidur, berat badan, hingga aktivitas fisik. Penelitian ini mencoba menerapkan algoritma K-Nearest Neighbor (KNN) dengan memanfaatkan data riwayat siklus menstruasi pada karyawati PT Varitech Energy untuk memprediksi ketetapan siklus menstruasi karyawati PT Varitech Energy. Evaluasi model KNN pada penelitian ini menggunakan confusion matrix untuk klasifikasi dua kategori: “tepat waktu” dan “tidak tepat waktu”. Hasil menunjukkan bahwa algoritma KNN mampu memberikan prediksi dengan tingkat akurasi yang cukup tinggi sebesar 83,3% dan dapat dijadikan sebagai pendekatan awal dalam membangun sistem prediksi menstruasi berbasis pembelajaran mesin. Implementasi ini diharapkan dapat menjadi referensi dalam pengembangan fitur prediktif pada aplikasi kesehatan wanita, serta meningkatkan kesadaran wanita terhadap pengaruh faktor gaya hidup terhadap keteraturan siklus menstruasi.

• K-Nearest Neighbor
• Menstruasi
• Prediksi
• Pembelajaran Mesin.

https://repository.bsi.ac.id/repo/70767/Penerapan-Algoritma-K-Nearest-Neighbor-(KNN)-untuk-Memprediksi-Ketepatan-Siklus-Menstruasi-Berdasarkan-Riwayat-Siklus-pada-Karyawati-PT-Varitech-Energy
Anda dapat membaca file tugas akhir ini di repository.