Skripsi

Implementasi CLustering untuk Mengurangi Waktu Komputasi Pada Diagnosis Penyakit Leukemia Dengan Metode K-Nearest Neighbor

---

Penelitian ini bertujuan untuk mengimplementasikan teknik clustering untuk mengurangi waktu komputasi pada diagnosis leukemia dengan metode k Nearest Neighbor (KNN).
Sampel yang digunakan pada penelitian ini sebanyak 250 data berupa hasil pemeriksaan darah rutin WBC, RBC, HGB, HCT, MCV, MCH, MCHC, PLT, RDW, MPV, PDW, NEUT, LYMPH, MONO, EO, BASO. Data diperoleh dari RSUP dr. Wahidin Sudirohusodo yang akan di proses dengan kombinasi algoritma clustering K-Mean dan klasifikasi dengan radius yang sama dengan memanfaatkan algoritma K-Mean, kemudian perhitungan KNN hanya akan dilakukan pada cluster yang memiliki jarak terdekat ke data testing.
Hasil penelitian ini diperoleh rata-rata waktu komputasi metode KNN dengan K-Mean adalah 0,015426579 detik, sedangkan waktu komputasi metode KNN tanpa dilakukan clustering waktu dibutuhkan adalah 0,02442619 detik. Hal ini dapat membuktikan bahwa implementasi clustering dapat mengurangi waktu komputasi pada diagnosis penyakit leukimia dengan metode KNN dibandingkan metode KNN murni.

---

Ketersediaan

Informasi Detail

Judul Seri

-

No. Panggil

SKR Si 16 KAS i

Penerbit

Makassar : STMIK AKBA., 2016

Deskripsi Fisik

xv + 166 hlm.; 28,5 cm

Bahasa

Indonesia

ISBN/ISSN

-

Klasifikasi

REF KAS i

Tipe Isi

-

Tipe Media

-

Tipe Pembawa

-

Edisi

-

Subjek

-

Info Detail Spesifik

Pembimbing I : Ratnawati dan Pembimbing II : Pasnur

Pernyataan Tanggungjawab

-

Versi lain/terkait

Lampiran Berkas

Komentar

---

Anda harus masuk sebelum memberikan komentar