Klasifikasi Penyimpangan Tumbuh Kembang pada Anak Menggunakan Metode Neighbor Weighted K-Nearest Neighbor (NWKNN)
Teks penuh
Gambar
Dokumen terkait
Proses klasifikasi yang dilakukan menggunakan metode K-Nearest Neighbor (KNN). Hasil pengujian klasifikasi daun berdasarkan nilai moment invariant ditunjukkan pada Tabel
Hasil pengujian menunjukkan bahwa jumlah data latih mempengaruhi akurasi sistem dalam melakukan klasifikasi demam. Hal ini ditunjukkan dengan dengan hasil akurasi sebesar
Berdasarkan akurasi yang didapat pada pengujian 10-fold cross validation untuk seratus data tugas akhir, metode Naïve Bayes Classifier dapat melakukan klasifikasi
Deteksi dini tumbuh kembang anak adalah kegiatan/pemeriksaan untuk menemukan secara dini adanya penyimpangan tumbuh kembang pada balita dan anak pra sekolah.ada 3 jenis
Hasil dari penelitian ini menunjukkan bahwa metode NWKNN dapat melakukan klasifikasi risiko hipertensi dengan baik saat data latih yang digunakan sebanyak 100 data dan
Hasil pengujian menunjukkan bahwa jumlah data latih mempengaruhi akurasi sistem dalam melakukan klasifikasi demam. Hal ini ditunjukkan dengan dengan hasil akurasi sebesar
Pada tabel tersebut terlihat bahwasanya metode NWKNN cenderung menghasilkan hasil akurasi yang lebih baik dibandingan dengan metode KNN khususnya pada saat K besar
Setelah mengambil akurasi terbaik dari hasil perhitungan K-Fold maka di dapat skenario terbaik ada pada 5-Fold skenario ke-3 dengan nilai tetangga terdekat adalah 9NN, maka data testing
