Penerapan Metode K-Nearest Neighbor untuk Mendeteksi Penyakit Kulit
Abstract
Penyakit kulit adalah sebuah penyakit dimana penderitanya akan merasakan sebuah kondisi saat lapisan luar tubuh mengalami sebuah gejala yaitu iritasi atau meradang. Beberapa dampak yang dapat disebabkan yaitu perih, memar, gatal. Penyakit kulit biasanya disebabkan oleh infeksi virus, jamur, parasit atau bakteri yang menjadi penyebab penyakit kulit yang umumnya. Skinease adalah sebuah sistem pendukung keputusan yang dapat digunakan untuk membantu penderita penyakit kulit mendeteksi penyakit kulit apa yang dideritanya melalui gejala-gejala yang dirasakan. Penerapan metode untuk sistem mendeteksi adalah sebuah alternative online yang dapat digunakan untuk berjaga-jaga. Skinease menggunakan data training dan data testing untuk mencari K-Nearest Neighbor atau K-NN tetangga terdekat dari gejala-gejalanya untuk mendefinisikan penyakit apa yang diderita. Skinease menampilkan data penyakit, gejala, dan perhitungan persamaan untuk mencari k-nn. Skinease dikembangkan menggunakan MERN (MongoDB, Express, React, NodeJs). MongoDB sebagai database, NodeJs dan
Express sebagai backend, dan React sebagai frontEnd.
Kata Kunci: Sistem Pendukung Keputusan, Kulit, Gejala, K-NN, Skinease
References
P. T. Prasetyaningrum and N. B. Hangesti, “Sistem Pakar Diagnosa Penyakit Kulit Akibat Virus Menggunakan Teorema Bayes,” Telematika, vol. 15, no. 2, p. 117, 2018, doi: 10.31315/telematika.v15i2.3128.
J. S. Deosa Putra Caniago, Sumijan, “Akurasi dalam Mendeteksi Penyakit Kulit Menular menggunakan gabungan Metode Forward Chaining dengan Certainty Factor,” J. Teknol. Dan Sist. Inf. Bisnis, vol. 2, no. 2, pp. 200–210, 2020, [Online]. Available: http://www.jurnal.unidha.ac.id/index.php/jteksis/article/view/145.
N. L. G. P. Suwirmayanti, “Penerapan Metode K-Nearest Neighbor Untuk Sistem Rekomendasi Pemilihan Mobil,” Techno.Com, vol. 16, no. 2, pp. 120–131, 2017, doi: 10.33633/tc.v16i2.1322.
D. Agustina, H. Mustafidah, and M. R. Purbowati, “Sistem Pakar Diagnosa Penyakit Kulit Akibat Infeksi Jamur,” Juita, vol. IV, no. 2, pp. 67–77, 2016.
O. Musa and Alang, “Analisis Penyakit Paru-Paru Menggunakan Algoritma,” Ilk. J. Ilm., vol. 9, pp. 348–352, 2017.
I. A. A. Angreni, S. A. Adisasmita, and M. I. Ramli, “Terhadap Tingkat Akurasi Identifikasi Kerusakan Jalan,” vol. 7, no. 2, pp. 63–70, 2018.
E. P. Budiyono et al., “Analisa Klasifikasi Kadar Karat Emas Menggunakan Metode KNearest Neighbours (KNN) Study Kasus : Toko Emas Batam City ( Analysis Classification Levels Gold Rust Using Method K-Nearest Neighbours ( KNN ) Case Study : Gold Shop Batam City ),” pp. 1–10, 2014.
A. Sulistiyo, “Penentuan Jurusan Sekolah Menengah Atas Menggunakan Metode KNearest Neighbor Classifier Pada SMAN 16 Semarang,” Fasilkom Udinus, vol. 1, no. 1, pp. 1–5, 2014.
F. Yunita, “Diabetes Mellitus Menggunakan Metode K-Nearest Neighbor ( K-Nn ),” Bappeda, vol. 2, pp. 223–230, 2016.
N., “PENERAPAN ALGORITMA k-NN (nearest Neighbor) UNTUK DETEKSI PENYAKIT (KANKER SERVIKS),” J. Din. Inform., vol. 7, no. 1, pp. 26–34, 2015
Downloads
Published
Issue
Section
License
This work is licensed under a Creative Commons Attribution-ShareAlike 4.0 International License.
Copyright of this journal is assigned to Jurnal Informatika Atma Jogja as the journal publisher by the knowledge of author, whilst the moral right of the publication belongs to author. Every printed and electronic publications are open access for educational purposes, research, and library. The editorial board is not responsible for copyright violation to the other than them aims mentioned before. The reproduction of any part of this journal (printed or online) will be allowed only with a written permission from Jurnal Informatika Atma Jogja .