TEXT
IMPLEMENTASI ALGORITMA K-NEAREST NEIGHBOR UNTUK KLASIFIKASI CALON PENDONOR DARAH
Abstrak
Dalam menentukan ketersediaan jumlah darah untuk kebutuhan medis,
diperlukan data donor darah pada periode-periode sebelumnya yang dapat di
gunakan untuk menentukan calon pendonor darah yang kemugkinan akan
melakukan donor. Dengan sistem ini diharapkan dapat membantu dalam
mengklasifikasi pendonor agar mencukupi ketersediaan darah. Data pendonor
darah yang digunakan adalah data dengan model RFMTC (pengembangan dari
model RFM) dengan parameter yaitu Recency (bulan sejak donor terakhir),
Frequency (jumlah total melakukan donor), Monetary (jumlah total darah yang di
donorkan c.c), Time (waktu sejak donor pertama), Class ( keputusan donor atau
tidak).Dengan data model RFMTC ini akan dilakukan klasifikasi menggunakan
algoritma K-Nearest Neighbor untuk mengetahui apakah seseorang akan
melakukan donor kembali atau tidak di waktu berikutnya sehingga dapat di gunakan
sebagai acuan untuk menentukan ketersediaan darah. Uji coba dilakukan membagi
data awal sebagai data latih kemudian data baru sebagai data uji. Dengan
menggunakan K-Fold Cross Validation prosses klasifikasi dengan Algoritma K-
Nearest Neighbor diuji dengan K=5 sesuai dengan jumlah data sehingga
menghasilkan nilai akurasi sebesar 72.8% dengan error rate 27.3 %. Dengan
demikian Algoritma K-Nearest Neighbor dapat dikatakan mampu untuk
mengklasifikasikan data dengan cukup benar yang memiliki tingkat akurasi sebesar
72.8%.
Kata Kunci : Donor Darah, Klasifikasi, RFMTC, K-NN, K-Fold Cross Validation
S06-20391 | S06-20391 ROH 2020 | Koleksi Skripsi | Tersedia |
Tidak tersedia versi lain