Diagnosis Tahapan Pengguna Narkoba Menggunakan Metode K-Nearest Neighbor
Abstract
Narkoba merupakan bahan yang sangat bermanfaat untuk pengobatan, namun jika disalahgunakan akan memberikan dampak buruk yang luar biasa seperti gangguan kesehatan, gangguan kejiwaan hingga kematian. Seorang pengguna narkoba cenderung tertutup dan tidak ingin berkonsultasi langsung ke dokter maupun rehabilitasi dikarenakan pengguna malu dengan kondisinya, biaya yang relatif mahal, jarak dan waktu yang ditempuh, takut dilaporkan dan tanggapan negatif dari masyarakat. Tujuan dilakukannya penelitian ini adalah untuk membantu seorang pengguna narkoba ataupun bagi seseorang yang dicurigai sebagai pengguna narkoba dalam mendiagnosis tahapan pengguna narkoba dan memberikan solusi serta saran terhadap pengguna narkoba tersebut. Case based reasoning merupakan penalaran yang digunakan untuk menyelesaikan kasus baru dengan cara mengadaptasi solusi yang terdapat pada kasus-kasus sebelumnya, yang mempunyai permasalahan yang mirip dengan kasus baru. Pada tahapan retrieve, terjadi proses menghitung similaritas antara kasus baru dan kasus lama. Perhitungan similaritas kasus pada penelitian ini menggunakan metode k-nearest neighbor. Pengujian hasil akhir sistem menggunakan pengujian tahapan CBR dan pengujian kinerja metode k-nearest neighbor. Hasil pengujian mengukur kinerja dari metode k-nearest neighbor dengan nilai k=7, tingkat akurasi untuk 10-fold cross validation sebesar 98,333%, confusion matrix sebesar 100% dan termasuk excellent classification karena memiliki nilai AUC 1,000.
Keywords
Full Text:
PDFReferences
Kementerian Kesehatan RI. 2017. Anti Narkoba Sedunia. Jakarta: InfoDATIN.
Wicaksana, P. D. 2015. Perbandingan Algoritma K-Nearest Neighbors Dan Naive Bayes Untuk Studi Data "Wisconsin Diagnosis Breast Cancer". Skripsi. Jurusan Teknik Informatika. Fakultas Sains dan Teknologi. Universitas Sanata Dharma Yogyakarta.
Suryanto, A. A., Imron R., Miftahul U. dan Andi W. 2016. Penerapan Case Based Reasoning (CBR) untuk Mendiagnosa Jenis Pecandu Narkoba. Seminar Nasional Ilmu (SNIK), pp. 315–319.
Fatoni, C. S. dan Friandy D. N. 2017. Case Based Reasoning Diagnosis Penyakit Difteri dengan Algoritma K-Nearest Neighbor. Creative Information Technology Journal, Vol. 4, No. 3, pp. 220-232.
Kurniawan, P. 2017. Implementasi Metode K – Nearest Neighbor (K-NN) Untuk Mengelompokkan Status Ekonomi Masyarakat Desa Kedak Kecamatan Semen. Simki-Techsain, Vol. 01, No. 06.
Partodiharjo, S. 2010. Kenali Narkoba dan Musuhi Penyalahgunaannya. Jakarta: Erlangga.
Badan Narkotika Nasional. 2012. Mahasiswa dan Bahaya Narkotika. Jakarta: Badan Narkotika Nasional Republik Indonesia.
Faizal, E. 2014. Case Based Reasoning Diagnosis Penyakit Cardiovascular Dengan Metode Simple Matching Coefficient Similarity. Jurnal Teknologi Informasi dan Ilmu Komputer (JTIIK), Vol. 1, No. 2, pp. 83-90.
Chandra, R., Kestrilia R. P. dan Paulus L. T. I. 2014. Implementasi Case Based Reasoning pada Fitur Rekomendasi Nakamnakam.com Berbasis Android di Kota Malang. Jurnal Ilmiah Nasional, Vol. 1, No. 1, pp. 1-12.
Banjarsari, M. A., Irwan B. dan Andi F. 2015. Penerapan K-Optimal Pada Algoritma K-NN Untuk Prediksi Kelulusan Tepat Waktu Mahasiswa Program Studi Ilmu Komputer Fmipa Unlam Berdasarkan IP Sampai Dengan Semester 4. KLIK-Kumpulan Jurnal Ilmu Komputer, Vol. 2, No. 2, pp. 159–173.
Shalahudin M. dan Rosa A. S. 2013. Rekayasa Perangkat Lunak Terstruktur dan Berorientasi Objek. Bandung: Informatika.
Purnamasari D., Jonathan H., Yoga P. S., Fuji I. dan I Wayan S. W. 2013. Get Easy Using WEKA. Jakarta Timur: Dapur Buku.
Arifin, T. Implementasi Metode K-Nearest Neighbor Untuk Klasifikasi Citra Sel Pap Smear Menggunakan Analisis Tekstur Nukleus. Jurnal Informatika, Vol. 2, No. 1, pp. 287–295.
Pitria, P. 2014. Analisis Sentimen Pengguna Twitter Pada Akun Resmi Samsung Indonesia Dengan Menggunakan Naïve Bayes. Jurnal Ilmiah Komputer dan Informatika (KOMPUTA), pp. 1–8.
Prasetio, R. T. dan Pratiwi. 2015. Penerapan Teknik Bagging Pada Algoritma Klasifikasi Untuk Mengatasi Ketidakseimbangan Kelas Dataset Medis. Jurnal Informatika, Vol. II, No. 2, pp. 395–403.
DOI: http://dx.doi.org/10.26418/jp.v6i1.36133
Refbacks
- There are currently no refbacks.