Model Klasifikasi Penyakit Kulit pada Kucing dengan Metode Machine Learning
Keywords:
KNN; Penyakit kulit kucing; klasifikasi; Machine learning; diagnosaAbstract
Penelitian ini membahas pengembangan sistem klasifikasi penyakit kulit pada kucing menggunakan metode K-Nearest Neighbor (KNN). Latar belakang penelitian ini didasari oleh tingginya kasus penyakit kulit pada kucing serta keterbatasan akses terhadap layanan medis hewan saat klinik tidak tersedia. Sistem yang dirancang bertujuan untuk membantu pemilik kucing maupun dokter hewan dalam mendiagnosis penyakit berdasarkan gejala yang muncul. Data penelitian diperoleh melalui pengumpulan dataset gejala penyakit kulit kucing, kemudian dilakukan pra-pemrosesan data, transformasi, dan klasifikasi menggunakan algoritma KNN. Evaluasi dilakukan menggunakan confusion matrix dengan hasil akurasi sebesar 86%, presisi 80%, recall 86%, dan F1-score 83%. Hasil ini menunjukkan bahwa metode KNN cukup efektif dalam mengklasifikasikan jenis penyakit kulit kucing, seperti infeksi bakteri, alergi kulit, scabies, ringworm, dan feline acne. Sistem ini diharapkan dapat menjadi alternatif solusi dalam membantu pengambilan keputusan medis pada hewan peliharaan.
References
U. I. Lestari, “Penerapan Metode K-Nearest Neighbor Untuk Sistem Pendukung Keputusan Identifikasi Penyakit Diabetes Melitus,” JATISI (Jurnal Tek. Inform. dan Sist. Informasi), vol. 8, no. 4, pp. 2071–2082, 2021, doi: 10.35957/jatisi.v8i4.1235.
R. A. D. Yulianto, I. Riadi, and R. Umar, “Perancangan Klasifikasi Pasien Stroke Dengan Metode K-Nearest Neighbor,” Rabit J. Teknol. dan Sist. Inf. Univrab, vol. 8, no. 2, pp. 262–268, 2023, doi: 10.36341/rabit.v8i2.3454.
A. Ardiansyah, E. C. O. Telaumbanua, A. S. Gultom, and A. A. S. M. Limbong, “Klasifikasi Penyakit Diabetes Menggunakan Metode SVM Dan KNN,” J. Penelit. Rumpun Ilmu Tek., vol. 3, no. 1, pp. 77–83, 2024.
Ratna Indah Juwita Harahap, Sumi Khairani, and Rismayanti, “Implementasi Metode K-Nearest Neighbor Untuk Klasifikasi Penyakit Tanaman Mentimun Pada Citra Daun,” J. Ilmu Komput. dan Sist. Inf., vol. 3, no. 2, pp. 135–145, 2024, doi: 10.70340/jirsi.v3i2.123.
V. Artanti, M. Faisal, and F. Kurniawan, “Klasifikasi Cardiovascular Diseases Menggunakan Algoritma K-Nearest Neighbors (KNN),” Techno.Com, vol. 23, no. 2, pp. 469–481, 2024, doi: 10.62411/tc.v23i2.10061.
Dewi Nasien, S. Sirvan, D. Deny, R. S. Ryan Syahputra, A. Akbar Marunduri, and R. Prawinata See, “Klasifikasi Penyakit Jantung Menggunakan Decision Tree dan KNN Menggunakan Ektraksi Fitur PCA,” JEKIN - J. Tek. Inform., vol. 4, no. 1, pp. 18–24, 2024, doi: 10.58794/jekin.v4i1.641.
R. Alfiatul Karima and Z. Fatah, “Jurnal Ilmiah Multidisiplin Ilmu Implementasi Metode K-Nearest Neighbor Untuk Klasifikasi Penyakit Paru-Paru Pada Anak,” J. Ilm. Multidisiplin Ilmu, vol. 1, no. 6, pp. 13–14, 2024.
N. R. Muntiari and K. H. Hanif, “Klasifikasi Penyakit Kanker Payudara Meng,” J. Ilmu Komput. dan Teknol., vol. 3, no. 1, pp. 1–6, 2022.
H. A. Dwi Fasnuari, H. Yuana, and M. T. Chulkamdi, “Penerapan Algoritma K-Nearest Neighbor (K-Nn) Untuk Klasifikasi Penyakit Diabetes Melitus Studi Kasus : Warga Desa Jatitengah,” Antivirus J. Ilm. Tek. Inform., vol. 16, no. 2, pp. 133–142, 2022.
A. A. D. Halim and S. Anraeni, “Analisis Klasifikasi Dataset Citra Penyakit Pneumonia menggunakan Metode K-Nearest Neighbor (KNN),” Indones. J. Data Sci., vol. 2, no. 1, pp. 01–12, 2021, doi: 10.33096/ijodas.v2i1.23.
W. D. Prasetya and B. Sujatmiko, “Rancang Bangun Aplikasi dengan Perbandingan Metode K-Nearest Neighbor (KNN) dan Naive Bayes dalam Klasifikasi Penderita Penyakit Diabetes,” J. Informatics Comput. Sci., vol. 3, no. 04, pp. 515–525, 2022, doi: 10.26740/jinacs.v3n04.p515-525.
Y. Pratama, A. Prayitno, D. Azrian, N. Aini, Y. Rizki, and E. Rasywir, “Klasifikasi Penyakit Gagal Jantung Menggunakan Algoritma K-Nearest Neighbor,” Bull. Comput. Sci. Res., vol. 3, no. 1, pp. 52–56, 2022, doi: 10.47065/bulletincsr.v3i1.203.
N. Fatimah Indrianti, A. Kania Ningsih, and R. Ilyas, “Implementasi Data Mining Untuk Klasifikasi Penyakit Gagal Ginjal Kronis Menggunakan Metode K-Nearest Neighbor,” JATI (Jurnal Mhs. Tek. Inform., vol. 8, no. 2, pp. 2255–2260, 2024, doi: 10.36040/jati.v8i2.9464.
R. S. Wahono, Data Mining Data mining, vol. 2, no. January 2013. 2023. [Online]. Available: https://www.cambridge.org/core/product/identifier/CBO9781139058452A007/type/book_part
Fatimah and Nuryaningsih, Buku Ajar Buku Ajar. 2018.
D. Ulfatul, M. Rachmad, H. Oktavianto, and M. Rahman, “Comparison Of K-Nearest Neighbor And Gaussian Naive Bayes Methods For Stroke Disease Classification,” J. Smart Teknol., vol. 3, no. 4, pp. 2774–1702, 2022, [Online]. Available: http://jurnal.unmuhjember.ac.id/index.php/JST
A. Samosir, M. S. Hasibuan, W. E. Justino, and T. Hariyono, “Komparasi Algoritma Random Forest, Naïve Bayes dan K- Nearest Neighbor Dalam klasifikasi Data Penyakit Jantung,” Pros. Semin. Nas. Darmajaya, vol. 1, no. 0, pp. 214–222, 2021, [Online]. Available: https://jurnal.darmajaya.ac.id/index.php/PSND/article/view/2955
C. R. Widhi Ramdhani, David Bona, Rafi Bagus Musyaffa, “Klasifikasi Kanker Payudara Menggunakan Alogoritma K-Nearest Neighbor,” J. Ilm. Wahana Pendidik., vol. 8, no. 12, pp. 445–452, 2022.
F. Ramadhani, A. Satria, and I. P. Sari, “Implementasi Metode Fuzzy K-Nearest Neighbor dalam Klasifikasi Penyakit Demam Berdarah,” Hello World J. Ilmu Komput., vol. 2, no. 2, pp. 58–62, 2023, doi: 10.56211/helloworld.v2i2.253.
S. Aldana and J. S. Wibowo, “Penerapan Data Mining Terhadap Klasifikasi Pasien Penderita Penyakit Liver Menggunakan Metode K-Nearest Neighbor,” Progresif J. Ilm. Komput., vol. 20, no. 1, p. 124, 2024, doi: 10.35889/progresif.v20i1.1376.
Downloads
Published
How to Cite
Issue
Section
License
Copyright (c) 2025 Jurnal Sistem Komputer dan Informatika (JSON)
This work is licensed under a Creative Commons Attribution-ShareAlike 4.0 International License.
This work is licensed under a Creative Commons Attribution 4.0 International License
Authors who publish with this journal agree to the following terms:
- Authors retain copyright and grant the journal right of first publication with the work simultaneously licensed under Creative Commons Attribution 4.0 International License that allows others to share the work with an acknowledgment of the work's authorship and initial publication in this journal.
- Authors are able to enter into separate, additional contractual arrangements for the non-exclusive distribution of the journal's published version of the work (e.g., post it to an institutional repository or publish it in a book), with an acknowledgment of its initial publication in this journal.
- Authors are permitted and encouraged to post their work online (e.g., in institutional repositories or on their website) prior to and during the submission process, as it can lead to productive exchanges, as well as earlier and greater citation of published work (Refer to The Effect of Open Access).
