皮肤细菌性疾病诊断结果的K-近邻准确性

Puji Sari Ramadhan, Saiful Nurafif, Muhammad Syahril
{"title":"皮肤细菌性疾病诊断结果的K-近邻准确性","authors":"Puji Sari Ramadhan, Saiful Nurafif, Muhammad Syahril","doi":"10.24114/cess.v7i2.34855","DOIUrl":null,"url":null,"abstract":"Penelitian ini membahas dan memaparkan tentang mencari nilai akurasi dari metode K-Nearest Neighbor dalam menghasilkan kesimpulan. Hal ini perlu dilakukan untuk mengetahui efektivitas metode tersebut dalam menyelesaikan permasalahan yang terjadi. Dalam penelitian ini akan dilakukan perhitungan nilai akurasi dengan menggunakan studi kasus identifikasi penyakit Dermatic Bacterial. Pemilihan kasus ini didasari dengan fakta bahwa sulitnya melakukan diagnosis melalui gejela-gejala yang terjadi serta penanganan dini terhadap penyakit tersebut. Masalah yang terjadi dikarenakan keterbatasan pengetahuan masyakarat serta keterbatasan para ahli yang berada di berbagai daerah. Penelitian ini diawali dengan pengumpulan data kasus, gejala dan penyakit pada Dermatic Bacterial, selanjutnya membentuk basis pengetahuan berdasarkan data kasus. Proses tersebut dilanjutkan dengan melakukan perhitungan dengan menggunakan metode K-Nearest Neighbor. Setelah memperoleh hasil diagnosa berdasarkan perhitungan yang telah dilakukan menggunakan metode K-Nearest Neighbor maka proses selanjutnya adalah mencari nilai akurasi hasil diagnosa yang akan dibandingkan dengan hasil diagnosa pakar. Pada penelitian ini menggunakan 10 data sampel riwayat kasus sebelumnya dan 20 sampel untuk data pengujian. Dari proses pengujian yang dilakukan maka diketahui bahwa untuk nilai akurasi pada metode K-Nearest Neighbor sebesar 85%, sehingga dapat disimpulkan bahwa metode K-Nearest Neighbor sangat baik digunakan dalam melakukan perhitungan hasil diagnosa sebagai bagian dari diagnosa awal dan penanganan dini terhadap pasien","PeriodicalId":53361,"journal":{"name":"CESS Journal of Computer Engineering System and Science","volume":null,"pages":null},"PeriodicalIF":0.0000,"publicationDate":"2022-07-12","publicationTypes":"Journal Article","fieldsOfStudy":null,"isOpenAccess":false,"openAccessPdf":"","citationCount":"0","resultStr":"{\"title\":\"K-Nearest Neighbor's Accuracy in Dermatic Bacterial Disease Diagnosis Results\",\"authors\":\"Puji Sari Ramadhan, Saiful Nurafif, Muhammad Syahril\",\"doi\":\"10.24114/cess.v7i2.34855\",\"DOIUrl\":null,\"url\":null,\"abstract\":\"Penelitian ini membahas dan memaparkan tentang mencari nilai akurasi dari metode K-Nearest Neighbor dalam menghasilkan kesimpulan. Hal ini perlu dilakukan untuk mengetahui efektivitas metode tersebut dalam menyelesaikan permasalahan yang terjadi. Dalam penelitian ini akan dilakukan perhitungan nilai akurasi dengan menggunakan studi kasus identifikasi penyakit Dermatic Bacterial. Pemilihan kasus ini didasari dengan fakta bahwa sulitnya melakukan diagnosis melalui gejela-gejala yang terjadi serta penanganan dini terhadap penyakit tersebut. Masalah yang terjadi dikarenakan keterbatasan pengetahuan masyakarat serta keterbatasan para ahli yang berada di berbagai daerah. Penelitian ini diawali dengan pengumpulan data kasus, gejala dan penyakit pada Dermatic Bacterial, selanjutnya membentuk basis pengetahuan berdasarkan data kasus. Proses tersebut dilanjutkan dengan melakukan perhitungan dengan menggunakan metode K-Nearest Neighbor. Setelah memperoleh hasil diagnosa berdasarkan perhitungan yang telah dilakukan menggunakan metode K-Nearest Neighbor maka proses selanjutnya adalah mencari nilai akurasi hasil diagnosa yang akan dibandingkan dengan hasil diagnosa pakar. Pada penelitian ini menggunakan 10 data sampel riwayat kasus sebelumnya dan 20 sampel untuk data pengujian. Dari proses pengujian yang dilakukan maka diketahui bahwa untuk nilai akurasi pada metode K-Nearest Neighbor sebesar 85%, sehingga dapat disimpulkan bahwa metode K-Nearest Neighbor sangat baik digunakan dalam melakukan perhitungan hasil diagnosa sebagai bagian dari diagnosa awal dan penanganan dini terhadap pasien\",\"PeriodicalId\":53361,\"journal\":{\"name\":\"CESS Journal of Computer Engineering System and Science\",\"volume\":null,\"pages\":null},\"PeriodicalIF\":0.0000,\"publicationDate\":\"2022-07-12\",\"publicationTypes\":\"Journal Article\",\"fieldsOfStudy\":null,\"isOpenAccess\":false,\"openAccessPdf\":\"\",\"citationCount\":\"0\",\"resultStr\":null,\"platform\":\"Semanticscholar\",\"paperid\":null,\"PeriodicalName\":\"CESS Journal of Computer Engineering System and Science\",\"FirstCategoryId\":\"1085\",\"ListUrlMain\":\"https://doi.org/10.24114/cess.v7i2.34855\",\"RegionNum\":0,\"RegionCategory\":null,\"ArticlePicture\":[],\"TitleCN\":null,\"AbstractTextCN\":null,\"PMCID\":null,\"EPubDate\":\"\",\"PubModel\":\"\",\"JCR\":\"\",\"JCRName\":\"\",\"Score\":null,\"Total\":0}","platform":"Semanticscholar","paperid":null,"PeriodicalName":"CESS Journal of Computer Engineering System and Science","FirstCategoryId":"1085","ListUrlMain":"https://doi.org/10.24114/cess.v7i2.34855","RegionNum":0,"RegionCategory":null,"ArticlePicture":[],"TitleCN":null,"AbstractTextCN":null,"PMCID":null,"EPubDate":"","PubModel":"","JCR":"","JCRName":"","Score":null,"Total":0}
引用次数: 0

摘要

本研究讨论并展示了在产生结论时寻找K最近邻方法的准确值。需要这样做才能知道该方法在解决已经发生的问题方面的有效性。在这项研究中,将使用一个病例研究来确定皮肤细菌性疾病,从而做出准确的估计。病例的选择是基于这样一个事实,即很难通过疾病的症状和早期治疗进行诊断。问题的出现是由于人口知识的局限性和各地区人民的局限性。本研究首先收集了皮肤细菌的病例数据、症状和疾病,然后形成了基于病例的知识库。该过程继续使用K-最近邻方法进行计算。在基于已经使用K-最近邻方法执行的计算获得诊断结果之后,下一个过程是找到将与专家诊断结果进行比较的诊断结果的准确值。在这项研究中,它使用了10个以前的病例史样本和20个样本作为测试数据。根据所做的测试过程,已知K-最近邻方法的准确度值为85%,因此可以得出结论,K-最近邻近方法在计算诊断结果时被很好地用作患者的初步诊断和早期治疗的一部分。
本文章由计算机程序翻译,如有差异,请以英文原文为准。
查看原文
分享 分享
微信好友 朋友圈 QQ好友 复制链接
本刊更多论文
K-Nearest Neighbor's Accuracy in Dermatic Bacterial Disease Diagnosis Results
Penelitian ini membahas dan memaparkan tentang mencari nilai akurasi dari metode K-Nearest Neighbor dalam menghasilkan kesimpulan. Hal ini perlu dilakukan untuk mengetahui efektivitas metode tersebut dalam menyelesaikan permasalahan yang terjadi. Dalam penelitian ini akan dilakukan perhitungan nilai akurasi dengan menggunakan studi kasus identifikasi penyakit Dermatic Bacterial. Pemilihan kasus ini didasari dengan fakta bahwa sulitnya melakukan diagnosis melalui gejela-gejala yang terjadi serta penanganan dini terhadap penyakit tersebut. Masalah yang terjadi dikarenakan keterbatasan pengetahuan masyakarat serta keterbatasan para ahli yang berada di berbagai daerah. Penelitian ini diawali dengan pengumpulan data kasus, gejala dan penyakit pada Dermatic Bacterial, selanjutnya membentuk basis pengetahuan berdasarkan data kasus. Proses tersebut dilanjutkan dengan melakukan perhitungan dengan menggunakan metode K-Nearest Neighbor. Setelah memperoleh hasil diagnosa berdasarkan perhitungan yang telah dilakukan menggunakan metode K-Nearest Neighbor maka proses selanjutnya adalah mencari nilai akurasi hasil diagnosa yang akan dibandingkan dengan hasil diagnosa pakar. Pada penelitian ini menggunakan 10 data sampel riwayat kasus sebelumnya dan 20 sampel untuk data pengujian. Dari proses pengujian yang dilakukan maka diketahui bahwa untuk nilai akurasi pada metode K-Nearest Neighbor sebesar 85%, sehingga dapat disimpulkan bahwa metode K-Nearest Neighbor sangat baik digunakan dalam melakukan perhitungan hasil diagnosa sebagai bagian dari diagnosa awal dan penanganan dini terhadap pasien
求助全文
通过发布文献求助,成功后即可免费获取论文全文。 去求助
来源期刊
自引率
0.00%
发文量
40
审稿时长
4 weeks
期刊最新文献
Implementation of the Multimedia Development Life Cycle in Making Educational Games About Indonesia Data Mining Algorithm Decision Tree Itterative Dechotomiser 3 (ID3) for Classification of Stroke Implementation of Weight Aggregated Sum Product Assessment (WASPAS) on the Selection of Online English Course Platforms Usability of Brain Tumor Detection Using the DNN (Deep Neural Network) Method Based on Medical Image on DICOM Performance Comparison Analysis of Multi Prime RSA and Multi Power RSA
×
引用
GB/T 7714-2015
复制
MLA
复制
APA
复制
导出至
BibTeX EndNote RefMan NoteFirst NoteExpress
×
×
提示
您的信息不完整,为了账户安全,请先补充。
现在去补充
×
提示
您因"违规操作"
具体请查看互助需知
我知道了
×
提示
现在去查看 取消
×
提示
确定
0
微信
客服QQ
Book学术公众号 扫码关注我们
反馈
×
意见反馈
请填写您的意见或建议
请填写您的手机或邮箱
已复制链接
已复制链接
快去分享给好友吧!
我知道了
×
扫码分享
扫码分享
Book学术官方微信
Book学术文献互助
Book学术文献互助群
群 号:481959085
Book学术
文献互助 智能选刊 最新文献 互助须知 联系我们:info@booksci.cn
Book学术提供免费学术资源搜索服务,方便国内外学者检索中英文文献。致力于提供最便捷和优质的服务体验。
Copyright © 2023 Book学术 All rights reserved.
ghs 京公网安备 11010802042870号 京ICP备2023020795号-1