| Penelitian ini mengimplementasikan algoritma K-Nearest Neighbor (KNN) untuk mengklasifikasikan jenis penyakit anemia berdasarkan indikator fisik dan parameter medis. Data terdiri dari 1.281 entri dari Kaggle dengan fitur-fitur relevan untuk klasifikasi penyakit anemia. Proses meliputi pengumpulan data, pengolahan, seleksi fitur, pengujian model, dan laporan kinerja. Seleksi fitur dilakukan untuk meningkatkan akurasi dan mengurangi kompleksitas model. Hasil eksperimen menunjukkan bahwa KNN mampu mengklasifikasikan jenis anemia dengan akurasi tinggi, terbukti dengan nilai presisi, recall, dan F-Measure yang signifikan pada nilai K tertentu. Penelitian ini bertujuan untuk mengembangkan metode klasifikasi penyakit anemia yang lebih efektif dan dapat menjadi referensi untuk penelitian lanjutan di bidang ini. |
