Abstrak— Diagnosa penyakit liver dalam dunia kesehatan
merupakan tugas yang tidak mudah. Namun, dengan
menggunakan rekam medis sebagai dataset dan menerapkan
metode data mining seperti K-Nearest Neighbor (K-NN), kita dapat
menganalisis dan mengambil pengetahuan secara otomatis.
Metode K-NN ini terbukti lebih efektif daripada metode lainnya
karena mengelompokkan informasi baru dengan memilih
tetangga terdekat berdasarkan nilai k. Dalam penelitian ini, kami
menggunakan metode Elbow untuk menentukan nilai k yang
optimal dengan mengukur tingkat kesalahan. Hasil pengujian
menunjukkan bahwa nilai k optimal yang ditemukan adalah 4,
dengan tingkat kesalahan yang terendah. Pada pengujian ketiga,
kami mencapai akurasi training sebesar 80,5% dan akurasi testing
sebesar 78,9%. Setelah melakukan penyesuaian pada data
training, kami berhasil meningkatkan tingkat akurasi menjadi
82,2% untuk training dan 77,1% untuk testing. Namun, pada
pengujian keempat setelah melakukan penyeimbangan data, kami
mengalami masalah overfitting karena proses resampling tidak
sesuai dengan data asli, sehingga model menjadi terlalu kompleks
dan cenderung menghasilkan noise yang berlebihan.