Analisis Akurasi Prediksi Tuberkulosis Menggunakan Algoritma KNN
Abstract viewed = 0 times
PDF (Bahasa Indonesia) downloaded = 0 times
Abstract
Tubercolosis (TB) adalah penyakit yang dapat menular dan masih menjadi tantangan kesehatan di seluruh dunia dengan jumlah kasus dan kematian yang signifikan. Keterbatasan dalam metode diagnosis tradisional mendorong penggunaan teknologi data mining untuk mempercepat dan meningkatkan efisiensi dalam prediksi. Penelitian ini bertujuan untuk mengevaluasi keakuratan algoritma K-Nearest Neighbor (KNN) dalam memprediksi TB menggunakan dataset buatan dari Bangladesh yang mencakup 20.000 rekaman pasien. Proses penelitian meliputi pengolahan data awal melalui normalisasi, encoding, serta penyeimbangan kelas, diikuti dengan penerapan KNN dengan berbagai nilai K. Hasil dari pengujian mengindikasikan bahwa akurasi tertinggi dicapai pada K=3 dengan angka 49,9%, sedangkan precision, recall, dan F1-score rata-rata hanya mencapai 0,50. Hasil ini menunjukkan bahwa KNN belum mencapai optimal dalam klasifikasi TB pada dataset buatan, namun dapat dijadikan dasar untuk mengembangkan metode diagnosis berbasis machine learning yang lebih akurat dengan penyesuaian fitur dan parameter pada penelitian di masa depan.
References
[1] S. S. Kleden, C. G. Kellen, S. B. Kedang, and Y. Rindu, “Analisis Capaian Pelayanan Penanggulangan Tuberkulosis (Tbc) Di Nusa Tenggara Timur: Tantangan Dan Peluang,” J. Innov. Res. Knowl., vol. 4, no. 1, pp. 315–322, 2024, [Online]. Available: https://www.bajangjournal.com/index.php/JIRK/article/view/7846
[2] R. Hidayat, R. Z. Oktarlina, and A. I. Romulya, “Inovasi dalam Terapi Pengobatan Tuberkulosis dan Penerapannya di Indonesia,” Medula Prof. J. Lampung, vol. 14, no. 3, pp. 430–435, 2024, doi: 10.53089/medula.v14i2.985.
[3] A. Wijayanti, F. N. Arifah, D. E. Putri, M. D. Satriyanto, and S. Sallu, “Sistem Pakar Dalam Mendiagnosa Penyakit Tubercolosis dengan mengimplementasikan Metode Case Based Reasoning,” J. Comput. Syst. Informatics, vol. 4, no. 3, pp. 570–577, 2023, doi: 10.47065/josyc.v4i3.3409.
[4] I. Lubis et al., “Evaluasi Layanan dan Strategi Pengendalian Tuberkulosis (TBC) Di Puskesmas Padang Bulan: Tantangan dan Harapan,” JUKEJ Jurnel Kesehat. Jompa, vol. 4, no. 1, pp. 93–102, 2025, doi: 10.57218/jkj.Vol4.Iss1.1429.
[5] I. D. ASRI, MITRA, and ANUSIRWAN, “IDENTIFIKASI PENYEBAB TINGGINYA JUMLAH KASUS TUBERCULOSIS PARU DI PROVINSI RIAU,” J. Mark. Manag. Res., vol. 6, no. 2, pp. 1–24, 2024, doi: 10.37202/kmmr.2024.29.2.1.
[6] R. Andriyadi, “Kerjasama Dinas Kesehatan TNI AU dengan Kementerian Kesehatan dalam Program Pengendalian Tuberkulosis ( TBC ) di Jawa Barat untuk Memperkuat Pertahanan Negara : Pendekatan Strategis 2025-2026 kampanye strategis seperti Tem,” J. Impresi Indones., vol. 4, no. 7, pp. 2659–2674, 2025, doi: 10.58344/jii.v4i7.6881.
[7] R. da C. Fernandes and Y. R. Dewi, “PERBANDINGAN HASIL PEMERIKSAAN ANTARA MIKROSKOPIS DAN GENEXPERT PADA SPUTUM SUSPEK TB DI LABORATORIUM NASIONAL TIMOR LESTE,” PLENARY Heal. J. Kesehat. PARIPURNA, vol. 1, no. 3, pp. 184–189, 2024, doi: 10.37985/plenaryhealth.v1i3.564.
[8] R. Kumala Dewi, Evita Aurilia Nardina, and Ferdiansyah Hari Nugroho, “Akurasi dan Ketepatan Pengkodean Diagnosis pada Kasus Obstetric di RST Dr. Asmir DKT Salatiga,” JURMIK (Jurnal Rekam Medis dan Manaj. Inf. Kesehatan), vol. 4, no. 1, pp. 37–45, 2024, doi: 10.53416/jurmik.v4i1.262.
[9] M. Faralina, T. Y. M. Wahyono, and F. Wijaya, “Tinjauan Literatur: Keterlambatan Memulai Pengobatan sebagai Salah Satu Faktor Risiko Hasil Akhir Pengobatan Tuberkulosis yang Buruk,” J. Cahaya Mandalika, vol. 3, no. 2, pp. 2007–2020, 2023, [Online]. Available: https://www.ojs.cahayamandalika.com/index.php/jcm/article/view/2510
[10] Z. D. Wihastiningrum and A. S. Kusuma, “Strategi Komunikasi Inovatif dalam Mengeliminasi Tuberkulosis di Wonogiri: Studi Kasus Mentari Sehat Indonesia,” J. Indones. Manaj. Inform. dan Komun., vol. 6, no. 2, pp. 1096–1114, 2025, doi: 10.63447/jimik.v6i2.1395.
[11] I. Alfina, A. Azzahra, and A. Setiawan, “Inovasi Teknologi Ai Dalam Deteksi Dini Tuberkulosis Dengan Kecerdasan Buatan,” J. Multiling., vol. 4, no. 2, pp. 281–297, 2024, [Online]. Available: https://ejournal.penerbitjurnal.com/index.php/multilingual/article/view/847
[12] R. Agam Syahputra and M. Rahmi Hanifah, “Metode Analisis Kesehatan Dengan Manggunakan Mechine Learning Atau Artifical Inteligensi Atau Data Mining Literature Review,” J. Ind. Inov., vol. 1, no. 2, pp. 27–38, 2024, [Online]. Available: http://jurnal.utu.ac.id/invasi/article/view/9406
[13] A. I. Rizmayanti and N. C. Izza, “Analisis Rekam Medis untuk Prediksi Keberlangsungan Hidup Pasien Gagal Jantung dengan Metode Data Mining,” J. Manaj. Inf. Kesehat., vol. 9, no. 1, pp. 10–21, 2024, doi: 10.51851/jmis.v9i1.468.
[14] N. P. Setiawati, B. A. Nugroho, A. T. Setiawan, and D. Hartanti, “Data Mining Untuk Klasifikasi Diagnosis Tingkat Keparahan Penyakit Diabetes Dengan Algoritma Logistik Regresi,” Pros. Semin. Nas. Teknol. Inf. dan Bisnis, pp. 647–652, 2023, [Online]. Available: https://ojs.udb.ac.id/Senatib/article/view/3254
[15] B. A. Putra, N. Fadilah, H. Mukhtar, M. Fatchiyah, and A. Addarisalam, “Prediksi Risiko Depresi Pascapersalinan Menggunakan Algoritma K-Nearest Neighbor ( KNN ),” J. FASILKOM, vol. 15, no. 2, pp. 195–201, 2025, doi: 10.37859/jf.v15i2.9562.
[16] D. Ardiyansyah and N. Oktafiani, “Perbandingan Metode Pengukuran Jarak Pada K-Nearest Neighbour Dalam Klasifikasi Data Teks Cardiovaskular,” J. Inf. Syst. Manag. Digit. Bus., vol. 1, no. 2, pp. 116–122, 2024, doi: 10.59407/jismdb.v1i2.260.
[17] Nazori Suhandi, Rendra Gustriansyah, and A. Destria, “Klasifikasi Penyakit TBC Menggunakan Metode UMAP dan K-NN,” J. Bit-Tech, vol. 7, no. 3, pp. 843–852, 2025, doi: 10.32877/bt.v7i3.2227.
[18] Rachmadhany Iman, Basuki Rahmat, and Achmad Junaidi, “Implementasi Algoritma K-Means dan Knearest Neighbors (KNN) Untuk Identifikasi Penyakit Tuberkulosis Pada Paru-Paru,” Repeater Publ. Tek. Inform. dan Jar., vol. 2, no. 3, pp. 12–25, 2024, doi: 10.62951/repeater.v2i3.77.
[19] A. Mahadi and E. Utami, “Analisa Perbandingan Algorithma K-Nearest Neighbors dan Random Forest untuk Klasifikasi Tindakan Medis Persalinan pada Data Kehamilan Multi-Variabel,” Bull. Comput. Sci. Res., vol. 5, no. 4, pp. 424–433, 2025, doi: 10.47065/bulletincsr.v5i4.556.
[20] A. K. Wardhani, R. I. Sudra, E. Nugraha, and A. N. Putri, “Optimasi Nilai K pada Algoritma K-Nearest Neighbor untuk Klasifikasi Kesehatan Janin,” J. Comput. Sci. Technol., vol. 5, no. 1, pp. 44–51, 2025, doi: 10.54840/jcstech.v5i1.360.
[2] R. Hidayat, R. Z. Oktarlina, and A. I. Romulya, “Inovasi dalam Terapi Pengobatan Tuberkulosis dan Penerapannya di Indonesia,” Medula Prof. J. Lampung, vol. 14, no. 3, pp. 430–435, 2024, doi: 10.53089/medula.v14i2.985.
[3] A. Wijayanti, F. N. Arifah, D. E. Putri, M. D. Satriyanto, and S. Sallu, “Sistem Pakar Dalam Mendiagnosa Penyakit Tubercolosis dengan mengimplementasikan Metode Case Based Reasoning,” J. Comput. Syst. Informatics, vol. 4, no. 3, pp. 570–577, 2023, doi: 10.47065/josyc.v4i3.3409.
[4] I. Lubis et al., “Evaluasi Layanan dan Strategi Pengendalian Tuberkulosis (TBC) Di Puskesmas Padang Bulan: Tantangan dan Harapan,” JUKEJ Jurnel Kesehat. Jompa, vol. 4, no. 1, pp. 93–102, 2025, doi: 10.57218/jkj.Vol4.Iss1.1429.
[5] I. D. ASRI, MITRA, and ANUSIRWAN, “IDENTIFIKASI PENYEBAB TINGGINYA JUMLAH KASUS TUBERCULOSIS PARU DI PROVINSI RIAU,” J. Mark. Manag. Res., vol. 6, no. 2, pp. 1–24, 2024, doi: 10.37202/kmmr.2024.29.2.1.
[6] R. Andriyadi, “Kerjasama Dinas Kesehatan TNI AU dengan Kementerian Kesehatan dalam Program Pengendalian Tuberkulosis ( TBC ) di Jawa Barat untuk Memperkuat Pertahanan Negara : Pendekatan Strategis 2025-2026 kampanye strategis seperti Tem,” J. Impresi Indones., vol. 4, no. 7, pp. 2659–2674, 2025, doi: 10.58344/jii.v4i7.6881.
[7] R. da C. Fernandes and Y. R. Dewi, “PERBANDINGAN HASIL PEMERIKSAAN ANTARA MIKROSKOPIS DAN GENEXPERT PADA SPUTUM SUSPEK TB DI LABORATORIUM NASIONAL TIMOR LESTE,” PLENARY Heal. J. Kesehat. PARIPURNA, vol. 1, no. 3, pp. 184–189, 2024, doi: 10.37985/plenaryhealth.v1i3.564.
[8] R. Kumala Dewi, Evita Aurilia Nardina, and Ferdiansyah Hari Nugroho, “Akurasi dan Ketepatan Pengkodean Diagnosis pada Kasus Obstetric di RST Dr. Asmir DKT Salatiga,” JURMIK (Jurnal Rekam Medis dan Manaj. Inf. Kesehatan), vol. 4, no. 1, pp. 37–45, 2024, doi: 10.53416/jurmik.v4i1.262.
[9] M. Faralina, T. Y. M. Wahyono, and F. Wijaya, “Tinjauan Literatur: Keterlambatan Memulai Pengobatan sebagai Salah Satu Faktor Risiko Hasil Akhir Pengobatan Tuberkulosis yang Buruk,” J. Cahaya Mandalika, vol. 3, no. 2, pp. 2007–2020, 2023, [Online]. Available: https://www.ojs.cahayamandalika.com/index.php/jcm/article/view/2510
[10] Z. D. Wihastiningrum and A. S. Kusuma, “Strategi Komunikasi Inovatif dalam Mengeliminasi Tuberkulosis di Wonogiri: Studi Kasus Mentari Sehat Indonesia,” J. Indones. Manaj. Inform. dan Komun., vol. 6, no. 2, pp. 1096–1114, 2025, doi: 10.63447/jimik.v6i2.1395.
[11] I. Alfina, A. Azzahra, and A. Setiawan, “Inovasi Teknologi Ai Dalam Deteksi Dini Tuberkulosis Dengan Kecerdasan Buatan,” J. Multiling., vol. 4, no. 2, pp. 281–297, 2024, [Online]. Available: https://ejournal.penerbitjurnal.com/index.php/multilingual/article/view/847
[12] R. Agam Syahputra and M. Rahmi Hanifah, “Metode Analisis Kesehatan Dengan Manggunakan Mechine Learning Atau Artifical Inteligensi Atau Data Mining Literature Review,” J. Ind. Inov., vol. 1, no. 2, pp. 27–38, 2024, [Online]. Available: http://jurnal.utu.ac.id/invasi/article/view/9406
[13] A. I. Rizmayanti and N. C. Izza, “Analisis Rekam Medis untuk Prediksi Keberlangsungan Hidup Pasien Gagal Jantung dengan Metode Data Mining,” J. Manaj. Inf. Kesehat., vol. 9, no. 1, pp. 10–21, 2024, doi: 10.51851/jmis.v9i1.468.
[14] N. P. Setiawati, B. A. Nugroho, A. T. Setiawan, and D. Hartanti, “Data Mining Untuk Klasifikasi Diagnosis Tingkat Keparahan Penyakit Diabetes Dengan Algoritma Logistik Regresi,” Pros. Semin. Nas. Teknol. Inf. dan Bisnis, pp. 647–652, 2023, [Online]. Available: https://ojs.udb.ac.id/Senatib/article/view/3254
[15] B. A. Putra, N. Fadilah, H. Mukhtar, M. Fatchiyah, and A. Addarisalam, “Prediksi Risiko Depresi Pascapersalinan Menggunakan Algoritma K-Nearest Neighbor ( KNN ),” J. FASILKOM, vol. 15, no. 2, pp. 195–201, 2025, doi: 10.37859/jf.v15i2.9562.
[16] D. Ardiyansyah and N. Oktafiani, “Perbandingan Metode Pengukuran Jarak Pada K-Nearest Neighbour Dalam Klasifikasi Data Teks Cardiovaskular,” J. Inf. Syst. Manag. Digit. Bus., vol. 1, no. 2, pp. 116–122, 2024, doi: 10.59407/jismdb.v1i2.260.
[17] Nazori Suhandi, Rendra Gustriansyah, and A. Destria, “Klasifikasi Penyakit TBC Menggunakan Metode UMAP dan K-NN,” J. Bit-Tech, vol. 7, no. 3, pp. 843–852, 2025, doi: 10.32877/bt.v7i3.2227.
[18] Rachmadhany Iman, Basuki Rahmat, and Achmad Junaidi, “Implementasi Algoritma K-Means dan Knearest Neighbors (KNN) Untuk Identifikasi Penyakit Tuberkulosis Pada Paru-Paru,” Repeater Publ. Tek. Inform. dan Jar., vol. 2, no. 3, pp. 12–25, 2024, doi: 10.62951/repeater.v2i3.77.
[19] A. Mahadi and E. Utami, “Analisa Perbandingan Algorithma K-Nearest Neighbors dan Random Forest untuk Klasifikasi Tindakan Medis Persalinan pada Data Kehamilan Multi-Variabel,” Bull. Comput. Sci. Res., vol. 5, no. 4, pp. 424–433, 2025, doi: 10.47065/bulletincsr.v5i4.556.
[20] A. K. Wardhani, R. I. Sudra, E. Nugraha, and A. N. Putri, “Optimasi Nilai K pada Algoritma K-Nearest Neighbor untuk Klasifikasi Kesehatan Janin,” J. Comput. Sci. Technol., vol. 5, no. 1, pp. 44–51, 2025, doi: 10.54840/jcstech.v5i1.360.
Published
2026-01-24
How to Cite
NABILA, ZUHRI YASSA; SIMAREMARE, KETRIN PUTRI ANJELINA; BILLYAHSAN, M. FARHAN.
Analisis Akurasi Prediksi Tuberkulosis Menggunakan Algoritma KNN.
Seminar Nasional Informatika (SENATIKA), [S.l.], p. 199-204, jan. 2026.
Available at: <https://www.ejournal.pelitaindonesia.ac.id/ojs32/index.php/SENATIKA/article/view/5481>. Date accessed: 15 feb. 2026.
Issue
Section
Articles
