Klasifikasi Penyakit Jantung Berbasis Data Rekam Medis Menggunakan Algoritma Local Mean K-Nearest Neighbor
DOI:
https://doi.org/10.25077/TEKNOSI.v12i1.2026.134-143Kata Kunci:
Machine LearningAbstrak
Penyakit jantung merupakan penyebab kematian utama di dunia dengan diagnosis dini yang penting namun sering terkendala akurasi interpretasi data rekam medis kompleks. Algoritma klasifikasi tradisional seperti K-NN memiliki kelemahan dalam menangani noise dan outliers dalam data medis. Penelitian ini bertujuan mengimplementasikan algoritma Local Mean K-Nearest Neighbor untuk mengklasifikasikan penyakit jantung berdasarkan data rekam medis dengan akurasi yang lebih baik. Dataset terdiri dari 403 observasi dengan 10 variabel meliputi jenis kelamin, umur, tekanan darah, heart rate, respiratory rate, hasil elektrokardiogram, kondisi nyeri dada, dan klasifikasi diagnosis. Metode Local Mean K-NN mengadaptasi konsep K-NN tradisional dengan pendekatan local mean calculation untuk mengatasi noise dan outliers. Tahapan penelitian mencakup preprocessing data, feature encoding, feature scaling, hyperparameter tuning, dan evaluasi menggunakan metrik accuracy, precision, recall, dan F1-score. Hasil menunjukkan algoritma Local Mean K-NN dengan nilai K optimal 11 mampu mengklasifikasikan penyakit jantung dengan accuracy 71.60%, precision 69.21%, recall 71.60%, dan F1-score 70.27%. Model menunjukkan performa sangat baik dalam mendeteksi Penyakit Jantung Koroner dengan precision 91.89% dan recall 97.14%. Analisis feature importance mengidentifikasi nyeri dada sebagai indikator terpenting (73.79%), diikuti heart rate (36.40%) dan respiratory rate (25.25%). Penelitian membuktikan efektivitas Local Mean K-NN sebagai clinical decision support tool dalam klasifikasi penyakit kardiovaskular meskipun terdapat tantangan class imbalance pada kelas minoritas.Referensi
A. Putra, D. Abdullah, and M. Daud, “Menggunakan Metode K-Harmonic Means dengan Validasi Silhouette Index dan C-index,” Jurnal Janitra Informatika dan Sistem Informasi, vol. 4, no. 2, pp. 74–86, 2024, doi: 10.59395/janitra.v4i2.203.
S. Asyuti and A. A. Setyawan, “Data Mining Dalam Penggunaan Presensi Karyawan Denga Cluster Means,” Jurnal Ilmiah Sains Teknologi Dan Informasi, vol. 1, no. 1, pp. 01–10, 2023.
A. A. M. Lubis, R. K. Dinata, and H. A. K. Aidilof, “Classification of Heart Disease Using Modified K-Nearest Neighbor (MKNN) Method,” Journal of Advanced Computer Knowledge and Algorithms, vol. 1, no. 2, p. 31, 2024, doi: 10.29103/jacka.v1i2.15702.
A. Yogianto, A. Homaidi, and Z. Fatah, “Implementasi Metode K-Nearest Neighbors (KNN) untuk Klasifikasi Penyakit Jantung,” G-Tech: Jurnal Teknologi Terapan, vol. 8, no. 3, pp. 1720–1728, 2024, doi: 10.33379/gtech.v8i3.4495.
H. H. Sinaga and S. Agustian, “Pebandingan Metode Decision Tree dan XGBoost untuk Klasifikasi Sentimen Vaksin Covid-19 di Twitter,” Jurnal Nasional Teknologi dan Sistem Informasi, vol. 8, no. 3, pp. 107–114, Dec. 2022, doi: 10.25077/teknosi.v8i3.2022.107-114.
T. Angelya, A. Rahman, and I. Pradesan, “Implementasi Sistem Klasifikasi Tim Kerja Menggunakan Algoritma Naïve Bayes (Studi Kasus: PT.MNL),” Jurnal Nasional Teknologi dan Sistem Informasi, vol. 9, no. 2, pp. 86–94, Aug. 2023, doi: 10.25077/teknosi.v9i2.2023.86-94.
A. S. Hidayatullah, F. A. Bachtiar, and I. Cholissodin, “Penerapan Algoritme Nearest Centroid Neighbor Classifier Based on K Local Means Using Harmonic Mean Distance (LMKHNCN) Untuk Klasifikasi Hasil Kinerja Pegawai Negeri Sipil,” Jurnal Teknologi Informasi dan Ilmu Komputer, vol. 8, no. 6, pp. 1287–1292, 2021, doi: 10.25126/jtiik.2021834431.
R. Naifa Saniy et al., “Penerapan Algoritma K-Nearest Neighbor pada Klasifikasi Penyakit Jantung,” BIAStatistics Journal of Statistics Theory and Aplication, Jan. 2022, [Online]. Available: http://prosiding.statistics.unpad.ac.id
D. Pradana, M. Luthfi Alghifari, M. Farhan Juna, and D. Palaguna, “Klasifikasi Penyakit Jantung Menggunakan Metode Artificial Neural Network,” Indonesian Journal of Data and Science, vol. 3, no. 2, pp. 55–60, 2022, doi: 10.56705/ijodas.v3i2.35.
S. D. Lestari, I. S. Wahyuningsih, and A. I. Amal, “Gambaran aktivitas fisik dan tingkat kenyamanan pasien dengan penyakit jantung koroner,” Jurnal Ilmiah Sultan Agung, vol. 2, no. 1, pp. 575–582, 2023.
S. Adi and A. Wintarti, “Komparasi Metode Support Vector Machine (Svm), K-Nearest Neighbors (Knn), Dan Random Forest (Rf) Untuk Prediksi Penyakit Gagal Jantung,” MATHunesa: Jurnal Ilmiah Matematika, vol. 10, no. 2, pp. 258–268, 2022, doi: 10.26740/mathunesa.v10n2.p258-268.
Niendy Alexandra Yosephine and Ratnadewi, “Penggunaan Artificial Neural Network pada Sinyal Elektrokardiogram untuk Mendeteksi Penyakit Jantung Aritmia Supraventrikular,” INFORMASI (Jurnal Informatika dan Sistem Informasi), vol. 13, no. 1, pp. 14–23, 2021, doi: 10.37424/informasi.v13i1.69.
A. Suryadi, Y. W. T. Arif, and N. S. Novitasari, “Rancang Bangun Sistem Informasi Rekam Medis Klinik Rawat Jalan Berbasis Web,” Infokes: Jurnal Ilmiah Rekam Medis dan Informatika Kesehatan, vol. 12, no. 1, pp. 37–43, 2022, doi: 10.47701/infokes.v12i1.1498.
H. Nisa, M. Daud, and S. Retno, “JOISIE licensed under a Creative Commons Attribution-ShareAlike 4.0 International License (CC BY-SA 4.0) Evaluasi Kinerja K-Medoids Clustering Model Untuk Klasterisasi Daerah Produktivitas Panen Padi Di Kabupaten Bireuen,” Journal Of Information Systems And Informatics Engineering), vol. 9, no. 2, 2025, doi: 10.35145/joisie.v9i2.4965.
M. F. Haryanti et al., “Pengaruh Data Mining, Strategi Perusahaan Terhadap Laporan Kinerja Perusahaan,” Jurnal Manajemen dan Bisnis, vol. 3, no. 1, pp. 71–90, 2024.
A. H. Nasrullah, “Implementasi Algoritma Decision Tree Untuk Klasifikasi Data Peserta Didik,” Jurnal Pilar Nusa Mandiri, vol. 7, no. 2, p. 217, 2021.
Y. Fatimah, Asrianda, and R. Meiyanti, “Klasifikasi Jenis Tanah Yang Sesuai Terhadap Tanaman Pangan Menggunakan Metode Random Forest Di Kabupaten Mandailing Natal,” Seminar Nasional Teknologi Informasi dan Teknik Informatika (SENASTIKA), vol. 1, no. 1, pp. 1–9, 2024.
Unduhan
Telah diserahkan
Diterima
Diterbitkan
Cara Mengutip
Terbitan
Bagian
Lisensi
Hak Cipta (c) 2026 Jurnal Nasional Teknologi dan Sistem Informasi
Artikel ini berlisensiCreative Commons Attribution-ShareAlike 4.0 International License.
Hak cipta untuk artikel ini ditransfer ke Jurnal Nasional Teknologi dan Sistem Informasi (TEKNOSI) jika dan ketika artikel diterima untuk publikasi. Yang bertanda tangan di bawah ini dengan ini mentransfer setiap dan semua hak di dalam dan ke kertas termasuk tanpa batasan semua hak cipta untuk TEKNOSI. Yang bertanda tangan di bawah ini dengan ini menyatakan dan menjamin bahwa makalah tersebut asli dan bahwa ia adalah pembuat makalah, kecuali untuk bahan yang secara jelas diidentifikasi sebagai sumber aslinya, dengan pemberitahuan izin dari pemilik hak cipta jika diperlukan. Yang bertanda tangan di bawah ini menyatakan bahwa ia memiliki kekuatan dan wewenang untuk membuat dan melaksanakan penugasan ini.
Kami menyatakan bahwa:
- Makalah ini belum diterbitkan dalam bentuk yang sama di tempat lain.
- Makalah ini tidak akan dikirimkan di tempat lain untuk publikasi sebelum penerimaan/penolakan oleh Jurnal ini
- Izin hak cipta diperoleh untuk materi yang diterbitkan di tempat lain dan yang memerlukan izin ini untuk reproduksi.
Selanjutnya, Saya/kami dengan ini mentransfer hak publikasi yang tidak terbatas dari makalah yang disebutkan di atas secara keseluruhan kepada TEKNOSI. Transfer hak cipta mencakup hak untuk mereproduksi dan mendistribusikan artikel, termasuk cetak ulang, terjemahan, reproduksi foto, mikroform, bentuk elektronik (offline, online) atau reproduksi lain yang serupa.
Penulis yang sesuai menandatangani dan menerima tanggung jawab untuk merilis materi ini atas nama setiap dan semua penulis bersama. Perjanjian ini harus ditandatangani oleh setidaknya salah satu penulis yang telah memperoleh persetujuan dari rekan penulis jika berlaku. Setelah pengajuan perjanjian ini ditandatangani oleh penulis yang sesuai, perubahan kepengarangan atau dalam urutan penulis yang tercantum tidak akan diterima.
Hak / Syarat dan Ketentuan yang dipertahankan :
- Penulis memiliki semua hak kepemilikan dalam setiap proses, prosedur, atau artikel manufaktur yang dijelaskan dalam Karya ini.
- Penulis dapat mereproduksi atau mengotorisasi orang lain untuk mereproduksi karya ini atau karya turunannya untuk penggunaan pribadi penulis atau untuk penggunaan perusahaan, dengan ketentuan bahwa sumber dan menyatakan hak cipta dimiliki TEKNOSI, salinan tidak digunakan dengan cara apa pun yang menyiratkan pengesahan TEKNOSI atas suatu produk atau layanan dari pihak mana pun, dan salinannya sendiri tidak ditawarkan untuk dijual.
- Meskipun penulis diizinkan untuk menggunakan kembali semua atau sebagian dari karya ini dalam karya lain, ini tidak termasuk mengabulkan permintaan pihak ketiga untuk mencetak ulang, menerbitkan ulang, atau jenis penggunaan ulang lainnya.
This work is licensed under a 