Jasa Skripsi Tesis Disertasi C# | “Implementasi Algoritma K-Nearest Neighbors untuk Klasifikasi Data Kesehatan Menggunakan C#”

Berikut adalah silabus lengkap 20 sesi (masing-masing ±1,5 jam) untuk topik:
“Implementasi Algoritma K-Nearest Neighbors untuk Klasifikasi Data Kesehatan Menggunakan C#”

Sesi 1–5: Dasar-Dasar dan Persiapan Proyek

Sesi 1: Pengantar Data Kesehatan dan Algoritma K-Nearest Neighbors

• Jenis-jenis data kesehatan
• Konsep klasifikasi dan supervised learning
• Dasar algoritma KNN

Sesi 2: Pengantar Pemrograman C# untuk Data Processing

• Struktur dasar program C#
• Penggunaan Visual Studio
• Operasi dasar input/output dan struktur data

Sesi 3: Studi Dataset Kesehatan (misalnya diabetes, penyakit jantung)

• Format CSV/Excel
• Statistik deskriptif
• Persiapan dataset uji coba

Sesi 4: Membaca dan Menampilkan Dataset di C#

• Membaca CSV menggunakan CsvHelper atau manual parsing
• Menyimpan data ke dalam array/list
• Menampilkan data di console atau datagrid

Sesi 5: Pembersihan dan Normalisasi Data

• Menangani nilai kosong
• Normalisasi Min-Max
• Konversi data string ke numerik (jika perlu)

Sesi 6–10: Penerapan Algoritma KNN

Sesi 6: Implementasi Jarak Euclidean di C#

• Fungsi untuk menghitung jarak antar data
• Pengujian hasil jarak

Sesi 7: Algoritma KNN Dasar (tanpa library)

• Fungsi untuk mencari K tetangga terdekat
• Prediksi label dari mayoritas tetangga

Sesi 8: Validasi dan Evaluasi Model

• Membagi dataset menjadi data latih dan uji
• Menghitung akurasi manual
• Cross-validation sederhana

Sesi 9: Penerapan KNN pada Dataset Kesehatan (Studi Kasus 1: Diabetes)

• Uji model KNN pada dataset diabetes
• Analisis hasil klasifikasi

Sesi 10: Penerapan KNN pada Dataset Kesehatan (Studi Kasus 2: Penyakit Jantung)

• Latih dan uji model
• Diskusi hasil performa dan akurasi

Sesi 11–15: Visualisasi dan Antarmuka Aplikasi

Sesi 11: Visualisasi Data Sederhana dengan Chart di C#

• Menampilkan diagram batang dan pie chart
• Statistik dasar hasil klasifikasi

Sesi 12: Pengenalan Windows Forms (WinForms)

• Membuat UI dasar
• Menghubungkan UI dengan logika KNN

Sesi 13: Integrasi KNN dengan UI WinForms

• Memilih dataset dari form
• Menampilkan hasil klasifikasi di UI

Sesi 14: Tampilan Detail untuk Tiap Proses KNN

• Menampilkan jarak antar data
• Menampilkan data tetangga terdekat

Sesi 15: Fitur Tambahan: Simpan & Export Hasil Klasifikasi

• Simpan hasil ke CSV/Excel
• Export grafik

Sesi 16–20: Evaluasi, Optimasi, dan Dokumentasi

Sesi 16: Optimasi Nilai K (Tuning Parameter)

• Uji berbagai nilai K
• Plot grafik akurasi terhadap nilai K

Sesi 17: Perbandingan KNN dengan Algoritma Lain (opsional)

• Sekilas tentang Decision Tree atau Naive Bayes
• Diskusi kelebihan dan kekurangan

Sesi 18: Dokumentasi Kode dan Proyek

• Penulisan komentar
• Struktur folder dan file

Sesi 19: Uji Coba dan Debugging Aplikasi

• Simulasi skenario pengguna
• Perbaikan bug yang ditemukan

Sesi 20: Presentasi Proyek dan Penyusunan Laporan

• Presentasi aplikasi klasifikasi kesehatan
• Template laporan akhir (BAB 1–BAB 5)