SAPUTRO, Anton (2026) Penerapan Multi-Label K-Nearest Neighbor (ML-KNN) dengan Feature Selection Menggunakan Particle Swarm Optimization (PSO) pada Pasien Berdasarkan Kondisi Multimorbiditas. Undergraduate thesis, UNDIP: Fakultas Sains dan Matematika.

	Text 3. HALAMAN PENGESAHAN I.pdf Download (43kB)
	Text 4. HALAMAN PENGESAHAN II.pdf Download (30kB)
	Text 5. KATA PENGANTAR.pdf Download (222kB)
	Text 6. ABSTRAK.pdf Download (202kB)
	Text 7. ABSTRACT.pdf Download (140kB)
	Text 8. DAFTAR ISI.pdf Download (214kB)
	Text 12. BAB I PENDAHULUAN.pdf Download (350kB)
	Text 17. DAFTAR PUSTAKA.pdf Download (224kB)

Abstract

Pasien dengan kondisi multimorbiditas merupakan pasien yang mengalami lebih
dari satu penyakit secara bersamaan, sehingga proses diagnosis menjadi lebih
kompleks. Kompleksitas tersebut menuntut metode yang mampu memprediksi
lebih dari satu penyakit dalam satu waktu, yang secara alami sesuai dengan
permasalahan klasifikasi multi-label. Penelitian ini bertujuan menerapkan metode
Multi-Label K-Nearest Neighbor (ML-KNN) untuk mengklasifikasikan penyakit
pada pasien multimorbiditas dengan memanfaatkan pendekatan machine learning.
Banyaknya penyakit yang perlu diprediksi menyebabkan jumlah variabel fitur
menjadi besar, sehingga diperlukan proses seleksi fitur untuk meningkatkan
efisiensi dan performa model. Oleh karena itu, penelitian ini menggunakan Particle
Swarm Optimization (PSO) sebagai metode feature selection untuk memperoleh
subset fitur yang optimal. Selain itu, mekanisme local search diterapkan pada
iterasi PSO untuk mengatasi kondisi stagnasi dan memperluas peluang pencarian
solusi yang lebih baik. Dataset yang digunakan adalah data rekam medis pasien
berdasarkan kondisi multimorbiditas pada tahun 2024-2025 di Klinik Utama ABC
yang terdiri dari 274 pasien. Hasil penelitian menunjukkan bahwa pada pembagian
data 80%:20% dengan nilai k = 3 dan jumlah fitur terpilih sebanyak 13 memberikan
performa terbaik. Model tersebut menghasilkan nilai hamming loss sebesar 0,0818,
dengan nilai rata-rata macro meliputi precision sebesar 0,8130, recall sebesar
0,6716, dan F1-score sebesar 0,7185, serta nilai rata-rata micro dengan precision
sebesar 0,8750, recall sebesar 0,8280, dan F1-score sebesar 0,8508.
Kata Kunci: Multimorbiditas, Klasifikasi Multi-Label, Multi-Label K-Nearest
Neighbor, Particle Swarm Optimization

Actions (login required)

View Item