Aplikasi Diagnosis Penyakit Kulit Pada Kucing Menggunakan K- Nearest Neighbor (K-NN)

Authors

  • Hutomo Angky Wowiling Sekolah Tinggi Ilmu Komputer Pelita Indonesia
  • Johan Johan Sekolah Tinggi Ilmu Komputer Pelita Indonesia

Keywords:

K-Nearest Neighbor, Penyakit Kulit Kucing, Klasifikasi

Abstract

Kucing adalah salah satu hewan yang sangat digemari untuk dipelihara.
Tingkahnya yang lucu dan manja membuatnya digemari oleh seluruh
kalangan. Penyakit yang sering menyerang kucing adalah penyakit kulit.
Penyakit kulit sering dianggap remeh, padahal jika tidak segera ditangani
dapat menyebabkan kerontokan bahkan bisa menyebabkan kematian.
Penyakit kulit pada kucing ini biasanya memiliki gejala-gejala yang mirip
sehingga sulit untuk mengidentifikasi penyakit kulit yang menyerang si
kucing. Solusi mengatasi masalah tersebut dilakukan penelitian tentang
diagnosis penyakit kulit pada kucing menggunakan metode K-Nearest
Neighbor berbasis web. Aplikasi diagnosis penyakit pada kucing
menggunakan K-Nearest Neighbor dengan data training berjumlah 240
data, data testing berjumlah 1 data dan nilai k=11. Didapatkan nilai akurasi
81,82% yang tergolong good classification.

Downloads

Download data is not yet available.

References

[1] K. A. Setiaputri, “7 Manfaat Menakjubkan Punya
Hewan Peliharaan Buat Si Penyayang Binatang,”
2019. [Online]. Available:
https://hellosehat.com/hidup-sehat/fakta-
unik/manfaat-punya-hewan-peliharaan/.
[Accessed: 21-Jun-2019].
[2] F. Liantoni, “Klasifikasi Daun Dengan Perbaikan
Fitur Citra Menggunakan Metode K Nearest
Neighbor,” J. Ultim., vol. 7, no. 2, pp. 98–104,
2015.
[3] N. Hermaduanti and S. Kusumadewi, “Sistem
Pendukung Keputusan Berbasis Sms Untuk
Menentukan Status Gizi Dengan Metode K-
Nearest Neighbor,” pp. 49–56, 2008.
[4] H. Risman, D. Nugroho, and Y. Retno, “Penerapan
Metode K-Nearest Neighbor Pada Aplikasi Penentu
Penerima Beasiswa Mahasiswa Di Stmik Sinar
Nusantara Surakarta,” TIKomSiN, pp. 19–25, 2012.
[5] Mustakim and G. Oktaviani, “Algoritma K-Nearest
Neighbor Classification,” J. Sains, Teknol. dan
Ind., vol. 13, no. 2, pp. 195–202, 2016.
[6] D. Jollyta and D. Sukrianto, “Analysis of Slow
Moving Goods Classification Technique : Random
Forest and Naïve Bayes,” vol. 5, no. 2, pp. 134–139,
2019.
[7] D. Jollyta, M. Wahyudi, H. T. Sihotang, S.
Wahyuni, M. Zarlis, and S. Efendi, “Open Access
Decision Tree and Chi-Square Analysis to
Determine Student ’ s Criteria Choosing Study
Program,” vol. 7, no. 10, pp. 12–20, 2018.
[8] N. N. Dzikrulloh, Indriati, and B. D. Setiawan,
“Penerapan Metode K – Nearest Neighbor ( KNN )
dan Metode Weighted Product ( WP ) Dalam
Penerimaan Calon Guru Dan Karyawan Tata Usaha
Baru Berwawasan Teknologi ( Studi Kasus :
Sekolah Menengah Kejuruan Muhammadiyah 2
Kediri ),” Pengemb. Teknol. Inf. dan Ilmu Komput.,
vol. 1, no. 5, pp. 378–385, 2017.
[9] M. B. P. Putri, E. Santoso, and Marji, “Diagnosis
Penyakit Kulit Pada Kucing Menggunakan Metode
Modified K- Nearest Neighbor,” vol. 1, no. 12, pp.
1797–1803, 2017.
[10] D. Setiawan, R. N. Putri, and R. Suryanita,
“Perbandingan Algoritma Genetika dan
Backpropagation pada Aplikasi Prediksi Penyakit
Autoimun,” Khazanah Inform. J. Ilmu Komput. dan
Inform., vol. 5, no. 1, pp. 21–27, 2019.

Published

2020-04-30

Issue

Section

Articles