ANALISA DATA MINING UNTUK PREDIKSI PENYAKIT HEPATITIS C MENGGUNAKAN ALGORITMA DECISION TREE C.45 DENGAN PARTICLE SWARM OPTIMIZATION

Dany Prasetya, Fely (2023) ANALISA DATA MINING UNTUK PREDIKSI PENYAKIT HEPATITIS C MENGGUNAKAN ALGORITMA DECISION TREE C.45 DENGAN PARTICLE SWARM OPTIMIZATION. Skripsi thesis, IIB DARMAJAYA.

[img] Text
TESIS_FELY DANY PRASETYA - COVER ok.pdf
Download (1MB)
[img] Text
TESIS_FELY DANY PRASETYA - BAB I.pdf
Download (784kB)
[img] Text
TESIS_FELY DANY PRASETYA - BAB II.pdf
Download (866kB)
[img] Text
TESIS_FELY DANY PRASETYA - BAB III.pdf
Download (400kB)
[img] Text
TESIS_FELY DANY PRASETYA - BAB IV.pdf
Download (702kB)
[img] Text
TESIS_FELY DANY PRASETYA - BAB V.pdf
Download (370kB)
[img] Text
TESIS_FELY DANY PRASETYA - DAFTAR PUSTAKA.pdf
Download (317kB)

Abstract

ANALISA DATA MINING UNTUK PREDIKSI PENYAKIT HEPATITIS C MENGGUNAKAN ALGORITMA DECISION TREE C.45 DENGAN PARTICLE SWARM OPTIMIZATION Oleh Fely Dany Prasetya Hepatitis sendiri merupakan penyakit peradangan pada hati (liver) yang dapat disebabkan oleh faktor genetik, infeksi virus, alkohol, dan obat-obatan. Berdasarkan laporan global oleh Organisasi. Secara global, diperkirakan 58 juta orang memiliki infeksi virus hepatitis C kronis, dengan sekitar 1,5 juta infeksi baru terjadi setiap tahun. Diperkirakan ada 3,2 juta remaja dan anak-anak dengan infeksi hepatitis C kronis. Pada tahun 2019 WHO memperkirakan sekitar 290.000 orang meninggal karena hepatitis C, sebagian besar karena sirosis dan karsinoma hepatoseluler (kanker hati primer). Dalam penelitian ini metode yang digunakan adalah teknik klasifikasi dalam data mining menggunakan algoritma Decision Tree C. 45 yang dioptimasi dengan Particle Swarm Optimization (PSO). Tahapan penelitian ini menerapkan CRISP-DM dimulai dengan pemahaman bisnis, pemahaman data, persiapan data, pemodelan, dan diakhiri dengan evaluasi. Hasil yang diperoleh dari pengujian data hepatitis dengan kategori *0=Donor Darah, 0s=dugaan Donor Darah, 1=Hepatitis, 2=Fibrosis, 3=Cirrhosis) pada penggunaan metode C4.5 Decision Tree Algorithm hanya pada klasifikasi untuk mendapatkan nilai akurasi yang tinggi. yang paling optimal adalah 87,15%. Kemudian pengujian penggunaan algoritma Decision Tree C4.5 dengan optimasi Algoritma PSO menghasilkan nilai akurasi paling optimal sebesar 87,48% dengan demikian optimasi dengan Algoritma PSO dapat meningkatkan akurasi algoritma DecisionTree C4.5 sehingga menghasilkan hasil yang lebih akurasi optimal dengan selisih akurasi 0,33%. Kata Kunci: Data Mining,;Algoritma Decision Tree C.45,;PSO,;Hepatitis C.

Item Type: Thesis (Skripsi)
Subjects: Ilmu Komputer
eTheses
Divisions: Pasca Sarjana > Magister Teknik Informatika
Depositing User: Fely Prasetya
Date Deposited: 20 Nov 2023 02:24
Last Modified: 20 Nov 2023 02:24
URI: http://repo.darmajaya.ac.id/id/eprint/14264

Actions (login required)

View Item View Item