Perbandingan Klasifikasi Status Pendonor Darah dengan Menggunakan Regresi Logistik dan K-Nearest Neighbor

##plugins.themes.bootstrap3.article.main##

Iut Tri Utami Fadjryani Fadjryani Diah Daniaty

Abstract

Donor Darah Sukarela (DDS) adalah orang yang dengan sukarela mentranfusikan darahnya kepada orang lain. Banyaknya DDS yang rutin mendonorkan darahnya dapat memenuhi kebutuhan darah di Palang Merah Indonesia (PMI) setiap harinya. Syarat yang diberlakukan PMI menyebabkan calon pendonor darah dapat diklasifikasikan menjadi layak dan tidak layak dalam mendonorkan darahnya. Salah satu cara untuk menentukan pola prediksi status kelayakan calon pendonor darah di PMI adalah dengan menggunakan regresi logistik biner dan k-Nearest Neighbor (kNN). Peubah yang signifikan mempengaruhi kelayakan calon pendonor darah adalah kadar Haemoglobin. Akurasi yang dihasilkan oleh metode regresi logistik biner dan kNN pada penelitian ini adalah 93% dan 79%. 

##plugins.themes.bootstrap3.article.details##

How to Cite
UTAMI, Iut Tri; FADJRYANI, Fadjryani; DANIATY, Diah. Perbandingan Klasifikasi Status Pendonor Darah dengan Menggunakan Regresi Logistik dan K-Nearest Neighbor. Jurnal Aplikasi Statistika & Komputasi Statistik, [S.l.], v. 12, n. 1, p. 1-12, june 2020. ISSN 2615-1367. Available at: <https://jurnal.stis.ac.id/index.php/jurnalasks/article/view/217>. Date accessed: 22 sep. 2021. doi: https://doi.org/10.34123/jurnalasks.v12i1.217.
Section
Komputasi Statistik

References

Agresti, A. 2002. Categorical Data Analysis. New York : John Wiley&Sons.
Bayususetyo, D., Santoso, R., dan Tarno. 2017. Klasifikasi Calon Pendonor Darah Menggunakan Metode Naive Bayes Classifier (Studi Kasus : Calon Pendonor Darah di Kota Semarang). Jurnal Gaussian 6(2) : 193-200.
Bhatia, M., Vandana., 2010. Survey of Nearest Neighbor Techniques. International Journal of Computer Science and Information Security 8, 1947-5500.
Departemen Kesehatan RI. 2009. Donor Darah. Tersedia pada http://kemenkes.go.id/
Gower, JC. 1971. A General Coefficient of Similarity and Some of Its Properties. Biometrics 27(4): 857-871.
Grasa, A. 1989 Economtric Model Selection: A New. Approach. Kluwer. Springer Science and Bussiness Media.
Hosmer, D.W. and Lemeshow, S. 2000. Applied Logistic Regression. New York: John Wiley & Son, Inc.
Moradian, M., and Baraani, A. 2009. K-Nearest Neighbor Based Association Algorithm. Journal of Theoretical and Applied Information Technology 6, 123 – 129.
Nugroho, EB., Furqon, MT. dan Hidayat, N. 2018. Klasifikasi Pendonor Darah Menggunakan Metode Support Vector Machine (SVM) pada Dataset RFMTC. Jurnal Pengembangan Teknologi Informasi dan Ilmu Komputer 2(10) : 3860-3864.
Palang Merah Indonesia. (2019, September 11). Pelayanan Donor Darah. Tersedia pada http://www.pmi.or.id/
Prasetyo, E. 2012. Data Mining Konsep dan Aplikasi Menggunakan MATLAB. Yogyakarta: Penerbit ANDI Yogyakarta.
Santosa, B. 2007. Data Mining Terapan. Yogyakarta : Graha Ilmu.
Sapriana, B.M. 2017. Penerapan Algoritma Naive Bayes Classifier Pada Klasifikasi Status Kelayakan Pendonor Darah di Unit Transfusi Darah Palang Merah Indonesia (UTD PMI) Kota Makassar. Skripsi. Makassar: Universitas Negeri Makassar.
Wu X, Kumar V, Quinlan JR, Ghosh J, Yang Q, Motoda H, McLachlan GJ, Ng A, Liu B, Yu PS et al. 2008. Top 10 Algorithms in Data Mining. Journal of Knowledge and Information Systems 14(1): 1-37.