Klasifikasi Pemilihan Jenis Obat untuk Pasien menggunakan Algoritma K-Nearest Neighbor (K-NN)

Abstract

Memilih jenis obat yang sesuai dengan kebutuhan pasien merupakan salah satu aspek penting dalam dunia medis yang mempengaruhi efektivitas pengobatan dan keselamatan bagi pasien itu sendiri. Dengan semakin berkembang nya dunia teknologi informasi, pengambilan keputusan dalam pemilihan obat kini dapat didukung dengan menggunakan metode machine learning. Penelitian ini tentunya juga bertujuan untuk mengembangkan sistem klasifikasi pemilihan jenis obat menggunakan algoritma K-Nearest Neighbor (K-NN). Data yang digunakan dalam penelitian ini terdiri atas, umur pasien, jenis kelamin pasien, tekanan darah pasien, dan juga jenis obat. Algoritma K-NN dipilih karena kemampuannya dalam mengklasifikasikan data berdasarkan kedekatan atribut pasien dengan data yang telah terlabel sebelumnya. Parameter 𑘠yang optimal ditentukan untuk memaksimalkan akurasi prediksi. Sistem ini tentunya sangat diharapkan untuk dapat membantu para tenaga medis dalam membuat keputusan yang lebih cepat dan tepat dalam pemilihan obat. Serta mengurangi resiko kesalahan dalam pemberian obat. Proses pengolahan data dalam penelitian ini mencakup tahapan data understanding, data cleaning, exploratory data analysis (EDA), data preparation, hingga modeling. Model K-Nearest Neighbors (K-NN) dengan parameter 𑘠= 3 berhasil mencapai tingkat akurasi sebesar 78%, menunjukkan potensi pendekatan ini dalam analisis data yang dilakukan.