IMPLEMENTASI ALGORITMA K-NEAREST NEIGHBOR UNTUK MENINGKATKAN MODEL KLASIFIKASI PENYAKIT LIVER

Abstract

Penyakit liver merupakan salah satu masalah kesehatan yang memiliki tingkat prevalensi cukup tinggi dan sering kali sulit dideteksi pada tahap awal karena gejala yang tidak spesifik. Keterlambatan diagnosis dapat menyebabkan penyakit berkembang ke tahap yang lebih serius dan berisiko mengancam jiwa. Oleh karena itu, diperlukan suatu pendekatan berbasis data yang mampu membantu proses klasifikasi penyakit liver secara cepat dan objektif berdasarkan data medis pasien. Penelitian ini bertujuan untuk mengimplementasikan algoritma K-Nearest Neighbor (KNN) dalam meningkatkan model klasifikasi penyakit liver menggunakan data klinis pasien. Metode penelitian yang digunakan mengacu pada kerangka Knowledge Discovery in Database (KDD), yang meliputi tahapan seleksi data, pra-pemrosesan data, exploratory data analysis (EDA), pemodelan, dan evaluasi. Dataset yang digunakan adalah Indian Liver Patient Dataset (ILPD) yang terdiri dari 583 data pasien dengan 10 atribut fitur dan 1 atribut target. Tahap pra-pemrosesan data meliputi penanganan missing value menggunakan imputasi median, encoding data kategorikal, normalisasi data menggunakan StandardScaler, serta pembagian data menjadi data latih dan data uji dengan rasio 80:20. Analisis EDA dilakukan untuk memahami karakteristik data, distribusi kelas target, keberadaan outlier, serta korelasi antar fitur. Model klasifikasi dibangun menggunakan algoritma KNN dengan parameter k = 5 dan metode pengukuran jarak Euclidean Distance. Hasil penelitian menunjukkan bahwa algoritma KNN berhasil diterapkan untuk klasifikasi penyakit liver dengan nilai akurasi sebesar 63,25%. Berdasarkan classification report, model menunjukkan performa yang cukup baik dalam mendeteksi pasien penderita penyakit liver dengan nilai precision sebesar 0,74 dan recall sebesar 0,73. Namun, performa pada kelas pasien non-liver masih relatif rendah akibat ketidakseimbangan kelas dalam dataset. Hasil confusion matrix juga menunjukkan masih adanya kesalahan false positive dan false negative. Secara keseluruhan, penelitian ini menunjukkan bahwa algoritma KNN dapat digunakan sebagai metode dasar dalam klasifikasi penyakit liver, namun masih memerlukan optimasi lanjutan untuk meningkatkan kinerja model.