KLASIFIKASI PENYAKIT JANTUNG MENGGUNAKAN PARTICLE SWARM OPTIMIZATION DAN ALGORITMA K-NEAREST NEIGHBORS

Baskoro, Baskoro (2022) KLASIFIKASI PENYAKIT JANTUNG MENGGUNAKAN PARTICLE SWARM OPTIMIZATION DAN ALGORITMA K-NEAREST NEIGHBORS. Masters thesis, Institut Informatika dan Bisnis Darmajaya.

[img] Text
Tesis Full.pdf

Download (3MB)
[img] Text
Cover.pdf

Download (362kB)
[img] Text
BAB I.pdf

Download (98kB)
[img] Text
BAB II.pdf

Download (522kB)
[img] Text
BAB III.pdf

Download (111kB)
[img] Text
BAB IV.pdf

Download (403kB)
[img] Text
BAB V.pdf

Download (31kB)
[img] Text
Daftar Pustaka.pdf

Download (109kB)

Abstract

KLASIFIKASI PENYAKIT JANTUNG MENGGUNAKAN METODE SELEKSI FITUR DAN ALGORITMA K-NEAREST NEIGHBORS Oleh BASKORO ABSTRAK Penyakit jantung merupakan penyakit yang sering terjadi dan merupakan penyebab utama kematian mendadak saat ini. Penyakit ini menyerang orang secara instan. Sebagian besar orang tidak menyadari gejala penyakit jantung. Data mining menerapkan berbagai metode dan algoritma untuk menemukan dan mengekstrak pola data yang disimpan. Aplikasi data mining dan penemuan pengetahuan telah mendapat fokus yang kaya karena signifikansinya dalam pengambilan keputusan dan telah menjadi komponen penting dalam berbagai bidang termasuk Kesehatan. Banyak penelitian yang dilakukan oleh para peneliti diantaranya Penelitian tentang prediksi penyakit jantung dalam penelitianya mengembangkan sistem untuk memprediksi penyakit jantung. Penelitian ini bertujuan mebuat model klasifikasi penyakit jantung menggunakan algoritma K-Nearest Neighbor yang dioptimasi menggunakan seleksi fitur Particle Swarm Optimization. Metode yang digunakan dalam penelitian ini mengikuti tahapan model Cross-Industry Standard Process for Data Mining (CRISP-DM). Hasil penelitian kami menemukan bahwa Penerapan algortima K-Nearest Neighbors mampu menghasilkan nilai akurasi sebesar 97.85%, optimasi yang dilakukan untuk membobotkan atribut pada algoritma K-Nearest Neighbors menggunakan algoritma Particle Swarm Optimization menghasilkan nilai akurasi sebesar 99.22%.Berdasarkan proses pengujian keduanya diketahui bahwa penerapan Particle Swarm Optimization pada pembobotan atribut mampu meningkatkan perfoma algoritma K-Nearest Neighbors peningkatan performa didapat dari peningkatan akurasi sebesar 1.37%, nilai precision 0.58% dan nilai recall 2.08%. Kata Kunci: Klasifikasi, Penyakit jantung, Particle Swarm Optimization, Algoritma K-Nearest Neighbor

Item Type: Thesis (Masters)
Subjects: Ilmu Komputer
eTheses
Divisions: Pasca Sarjana > Magister Teknik Informatika
Depositing User: baskoro baskoro baskoro
Date Deposited: 29 Dec 2022 03:11
Last Modified: 29 Dec 2022 03:11
URI: http://repo.darmajaya.ac.id/id/eprint/10193

Actions (login required)

View Item View Item