OPTIMASI ALGORITMA PREDIKSI MENGGUNAKAN PARTICLE SWARM OPTIMIZATION UNTUK MEMPREDIKSI DIABETES

Putra, Adriansyah and Triloka, Joko (2024) OPTIMASI ALGORITMA PREDIKSI MENGGUNAKAN PARTICLE SWARM OPTIMIZATION UNTUK MEMPREDIKSI DIABETES. Masters thesis, Institut Informatika dan Bisnis Darmajaya.

[img] Text
1 JUDUL.pdf
Download (88kB)
[img] Text
2 PERSETUJUAN DAN PENGESAHAN.pdf
Download (696kB)
[img] Text
3 ABSTRAK.pdf
Download (28kB)
[img] Text
4 DAFTAR ISI.pdf
Download (88kB)
[img] Text
5 BAB 1.pdf
Download (162kB)
[img] Text
6 BAB 2.pdf
Download (886kB)
[img] Text
7 BAB 3.pdf
Download (847kB)
[img] Text
8 BAB 4.pdf
Download (448kB)
[img] Text
9 BAB 5.pdf
Download (142kB)
[img] Text
10 DAFTAR PUSTAKA.pdf
Download (149kB)
[img] Text
11 LAMPIRAN.pdf
Download (134kB)

Abstract

Penyakit diabetes adalah masalah kesehatan global yang serius, dengan prevalensi yang terus meningkat. Indonesia menempati urutan ke-5 dunia, bahkan menjadi negara urutan pertama di asia tenggara yang terdampak penyakit ini. Berbagai upaya pencegahan dan penanganan telah banyak dilakukan, disamping penelitian-penelitian mengenai data mining untuk memahami dan manajemen penyakit ini. Menggunakan dataset public BIT Mesra, penelitian ini berfokus pada kinerja tiga algoritma klasifikasi: k-Nearest Neighbor, Random Forest, Deep Learning dalam memprediksi diabetes mellitus setelah dioptimasi menggunakan Particle Swarm Optimization. Data yang bersih dan lengkap menjadi landasan penting sebelum menerapkan metode optimasi, khususnya dalam menangani noisy data dan missing values. Hasil penelitian menunjukkan bahwa ketiga algoritma mencapai tingkat akurasi yang baik. Bahkan setelah dioptimasi dengan PSO, k-Nearest Neighbor dan Random Forest mencapai performa sempurna dengan akurasi mencapai 100%. Sementara Deep Learning menunjukkan peningkatan akurasi menjadi 98.95%. Tetapi meski akurasi dari k-Nearest Neighbor dan Random Forest ini lebih baik dari Deep Learning, hasil uji statistik menunjukkan bahwa ketiganya adalah setara dan sama baiknya dalam penggunaan. Ini memberikan pemahaman komprehensif tentang potensi penggunaan algoritma klasifikasi dan optimasi PSO dalam mem-prediksi diabetes, dengan penekanan pada keseimbangan antara penanganan data yang baik dan optimalisasi algoritma.

Item Type: Thesis (Masters)
Subjects: Ilmu Komputer
eTheses
Divisions: Pasca Sarjana > Magister Teknik Informatika
Depositing User: Adriansyah Putra
Date Deposited: 06 May 2024 03:13
Last Modified: 06 May 2024 03:13
URI: http://repo.darmajaya.ac.id/id/eprint/15859

Actions (login required)

View Item View Item