Penerapan Data Mining Untuk Klasifikasi Penyakit Artritis Gout Menggunakan Algoritma KNN

Abstract

Penelitian ini bertujuan untuk menerapkan algoritma K-Nearest Neighbor (KNN) dalam mengklasifikasikan penyakit Artritis Gout berdasarkan data klinis pasien. Artritis Gout adalah jenis artritis yang disebabkan oleh penumpukan kristal asam urat di dalam sendi, yang dapat menyebabkan nyeri hebat dan pembengkakan. Metode penelitian menggunakan dataset yang terdiri dari 500 entri, termasuk informasi seperti gejala klinis, faktor risiko, riwayat medis, dan respons terhadap pengobatan. Data ini diproses melalui tahapan pra-pemrosesan untuk membersihkan data yang tidak valid dan mengubah data kategorikal menjadi format yang sesuai untuk analisis. Selanjutnya, dataset dibagi menjadi data latih dan uji untuk pembangunan serta evaluasi model. Algoritma KNN diterapkan pada data latih untuk membangun model klasifikasi yang dapat mengenali pola-pola penting terkait dengan diagnosis Artritis Gout. Evaluasi dilakukan menggunakan dataset uji untuk memverifikasi keakuratan dan keandalan prediksi model. Hasil penelitian menunjukkan bahwa algoritma KNN pada nilai K=5 mencapai nilai akurasi 87,76%, recall 92,31%, dan precision 90,48% dalam mengklasifikasikan penyakit Artritis Gout. Implikasi dari penelitian ini adalah potensi penggunaan teknik data mining untuk mendukung diagnosis dan manajemen penyakit secara lebih efektif dalam praktik klinis