Klasifikasi Nyeri Punggung Bawah Menggunakan Algoritma K-Nearest Neighbor Dan Support Vector Machine

Nadiyah Fadhilah, Anita Desiani

Abstract


Nyeri Punggung Bawah merupakan salah satu masalah kesehatan yang bisa meyebabkan terhambatnya aktivitas sehari-hari. Nyeri Punggung Bawah tidak menyebabkan kematian, tetapi menyebabkan seseorang yang mengalaminya menjadi tidak produktif dalam melakukan pekerjaan. Penelitian ini bertujuan untuk mengklasifikasi Nyeri Punggung Bawah seseorang apakah dalam kondisi abnormal atau normal dengan menggunakan algoritma K-Nearest Neighbor (KNN) dan Support Vector Machine  (SVM) dengan metode training persentase split dan K-Fold Cross Validation. Adapun atribut yang digunakan yaitu, Pelvic Insidence, Pelvic Tilt, Lumbar Lordosis Angle, Sacral Slope, Pelvic Radius, Degree Spondylolisthesis, Pelvic Slope, Direct Tilt, Thoracic Slope, Cervical Tilt, Sacrum Angle, Scoliosis Slope, dan class. Hasil pengolahan data dengan algoritma K-Nearest Neighbor (KNN) yaitu akurasi sebesar 87,1 %, presisi abnormal 87% dan normal 88%, serta recall abnormal 83% dan normal 87%, sedangkan dengan menggunakan algoritma Support Vector Machine  (SVM) akurasi sebesar 83,8%, presisi abnormal 86% dan normal 88%, serta recall abnormal 92% dan normal 72%. Hal ini menunjukkan bahwa model dan atribut yang digunakan baik dalam mengklasifikasi Nyeri Punggung Bawah.

Keywords


Klasifikasi; K-Nearest Neighbor; Nyeri Punggung Bawah; Support Vector Machine

References


R. Sahara and T. Y. Pristya, “Faktor Risiko yang Berhubungan dengan Kejadian Low Back Pain (LBP) pada Pekerja: Literature Review,” J. Ilm. Kesehat., vol. 19, no. 3, pp. 92–99, 2020, [Online]. Available: https://journals.stikim.ac.id/index.php/jikes/article/download/585/499/.

R. N. Waykole and A. D. Thakare, “Classification of Low Back Pain Using Depp Learning Neural Network Model,” J. Emerg. Technol. Innov. Res., vol. 10, no. 2, pp. 91–97, 2018.

N. P. Kumbea, A. Asrifuddin, and O. J. Sumampouw, “Keluhan Nyeri Punggung Bawah Pada Nelayan,” Indones. J. Public Heal. Community Med., vol. 2, no. 1, pp. 21–26, 2021.

A. A. Mortara, M. Permatasari, A. Desiani, Y. Andriani, and M. Arhami, “Perbandingan Algoritma C4 . 5 dan Adaptive Boosting dalam Klasifikasi Penyakit Alzheimer Comparison of C4 . 5 and Adaptive Boosting Algorithms in Alzheimer ’ s Disease Classification,” J. Teknol. dan Inf., vol. 13, no. 2, pp. 196–207, 2023, doi: 10.34010/jati.v13i2.

M. A. Paramesti, A. F. Prawiningrum, and D. H. Akhmad, “Lower Back Pain Classification Using Machine Learning,” in Asia Pacific Conference on Research in Industrial and Systems Engineering (APCoRISE) Lower, 2019, pp. 1–6.

T. A. Assegie, “Optimal Tree Depth in Decision Tree Classifiers for Predicting Heart Failure Mortality,” Heal. Front., vol. 1, pp. 58–66, 2023.

N. Neneng, K. Adi, and R. Isnanto, “Support Vector Machine Untuk Klasifikasi Citra Jenis Daging Berdasarkan Tekstur Menggunakan Ekstraksi Ciri Gray Level Co-Occurrence Matrices (GLCM),” J. Sist. Inf. Bisnis, vol. 6, no. 1, p. 1, 2016, doi: 10.21456/vol6iss1pp1-10.

I. C. R. Drajana, “Metode Support Vector Machine Dan Forward Selection Prediksi Pembayaran Pembelian Bahan Baku Kopra,” Ilk. J. Ilm., vol. 9, no. 2, pp. 116–123, 2017, doi: 10.33096/ilkom.v9i2.134.116-123.

I. Ayu, A. Sita, and A. Wahyu, “Klasifikasi Indeks Pembangunan Manusia dengan Metode K-Nearest Neighbor dan Support Vector Machine di Pulau Jawa,” vol. 15, pp. 8–21, 2019.

A. J. T, D. Yanosma, and K. Anggriani, “Implementasi Metode K-Nearest Neighbor (Knn) Dan Simple Additive Weighting (Saw) Dalam Pengambilan Keputusan Seleksi Penerimaan Anggota Paskibraka,” Pseudocode, vol. 3, no. 2, pp. 98–112, 2017, doi: 10.33369/pseudocode.3.2.98-112.

Y. Yahya and W. Puspita Hidayanti, “Penerapan Algoritma K-Nearest Neighbor Untuk Klasifikasi Efektivitas Penjualan Vape (Rokok Elektrik) pada ‘Lombok Vape On,’” Infotek J. Inform. dan Teknol., vol. 3, no. 2, pp. 104–114, 2020, doi: 10.29408/jit.v3i2.2279.

S. Rahmatullah, S. Wahyuni, M. F. Chaining, and F. C. Method, “Penerapan Data Mining Untuk Prediksi Penjualan Produk Terlaris Menggunakan Metode K-Nearest Neighbor,” vol. 3, no. 2, pp. 75–86, 2020, doi: 10.47065/bits.v3i4.1408.

A. Desiani, “Perbandingan Implementasi Algoritma Naive Bayes dan K-Nearest Neighbor pada Klasifikasi Penyakit Hati,” J. Sist. Inf. dan Sist. Komput., vol. 7, no. 2, pp. 104–110, 2022.

P. M. Nirmala Dharmapatni and N. L. P. Merawati, “Penerapan Algoritma Support Vector Machine Dalam Sentimen Analisis Terkait Kenaikan Tarif BPJS Kesehatan,” J. Bumigora Inf. Technol., vol. 2, no. 2, pp. 105–112, 2020, doi: 10.30812/bite.v2i2.904.

A. Pratama, R. C. Wihandika, and D. E. Ratnawati, “Implementasi algoritme support vector machine (SVM) untuk prediksi ketepatan waktu kelulusan mahasiswa,” J. Pengemb. Teknol. Inf. dan Ilmu Komput., vol. 2, no. April, pp. 1704–1708, 2018.

D. A. Anggoro, “Comparison of Accuracy Level of Support Vector Machine (SVM) and K-Nearest Neighbors (KNN) Algorithms in Predicting Heart Disease,” Int. J. Emerg. Trends Eng. Res., vol. 8, no. 5, pp. 1689–1694, 2020, doi: 10.30534/ijeter/2020/32852020.

N. Nurajijah and D. Riana, “Algoritma Naïve Bayes, Decision Tree, dan SVM untuk Klasifikasi Persetujuan Pembiayaan Nasabah Koperasi Syariah,” J. Teknol. dan Sist. Komput., vol. 7, no. 2, pp. 77–82, 2019, doi: 10.14710/jtsiskom.7.2.2019.77-82.

R. Munawarah, O. Soesanto, and M. R. Faisal, “Penerapan Metode Support Vector Machine Pada Diagnosa Hepatitis,” Kumpul. J. Ilmu Komput., vol. 04, no. 01, pp. 103–113, 2016.

I. W. Saputro and B. W. Sari, “Uji Performa Algoritma Naïve Bayes untuk Prediksi Masa Studi Mahasiswa,” Creat. Inf. Technol. J., vol. 6, no. 1, p. 1, 2020, doi: 10.24076/citec.2019v6i1.178.




DOI: https://doi.org/10.32528/elkom.v7i1.22767

Refbacks

  • There are currently no refbacks.


Copyright (c) 2025 Jurnal Teknik Elektro dan Komputasi (ELKOM)

Creative Commons License
This work is licensed under a Creative Commons Attribution 4.0 International License.

View My Status                                                                       Indexing Service

                             

UNMUH

   Publisher :
   UNIVERSITAS MUHAMMADIYAH JEMBER
   Jl. Karimata No. 49 Jember 68121 East Java
   Website : www.unmuhjember.ac.id
   Email : kantorpusat@unmuhjember.ac.id

Editorial Address :
Electrical Engineering
Faculty of Engineering
UNIVERSITAS MUHAMMADIYAH JEMBER
Jl. Karimata No. 49 Jember 68121 East Java