KOMPARASI PENERAPAN TEKNIK BAGGING DAN ADABOOST PADA ALGORITMA DECISION TREE DAN NAIVE BAYES UNTUK PREDIKSI PENYAKIT STROKE

MUKAROMAH, HAFSAH and Wasilah, Wasilah and Aziz, RZ Abdul and Muludi, Kurnia (2024) KOMPARASI PENERAPAN TEKNIK BAGGING DAN ADABOOST PADA ALGORITMA DECISION TREE DAN NAIVE BAYES UNTUK PREDIKSI PENYAKIT STROKE. Masters thesis, Institut Informatika dan Bisnis Darmajaya.

	Text JUDUL LUAR.pdf Download (26kB)
	Text JUDUL DALAM.pdf Download (26kB)
	Text PERNYATAAN KEASLIAN TESIS.pdf Download (205kB)
	Text HALAMAN PERSETUJUAN.pdf Download (389kB)
	Text HALAMAN PENGESAHAN.pdf Download (382kB)
	Text KATA PENGANTAR.pdf Download (263kB)
	Text ABSTRAK.pdf Download (10kB)
	Text ABSTRACT.pdf Download (6kB)
	Text DAFTAR ISI.pdf Download (27kB)
	Text DAFTAR TABEL.pdf Download (15kB)
	Text DAFTAR GAMBAR.pdf Download (22kB)
	Text BAB I.pdf Download (203kB)
	Text BAB II.pdf Download (384kB)
	Text BAB III.pdf Download (219kB)
	Text BAB IV.pdf Download (1MB)
	Text BAB V.pdf Download (21kB)
	Text DAFTAR PUSTAKA.pdf Download (168kB)

Abstract

Stroke, yang juga dikenal sebagai cerebrovascular accident (CVA), adalah kondisi di mana terjadi gangguan mendadak dalam fungsi otak akibat masalah sirkulasi darah, yang dapat mengakibatkan kelumpuhan atau bahkan kematian sel otak. Terdapat dua jenis utama stroke: iskemik, yang disebabkan oleh penyumbatan pembuluh darah, dan hemoragik, yang disebabkan oleh pendarahan ke otak. Di Indonesia, stroke menjadi penyebab kematian utama dengan tingkat kejadian yang terus meningkat. Oleh karena itu, upaya pencegahan dan pengobatan dini sangat penting dalam penanganan kondisi ini. Data mining dan machine learning telah menjadi alat yang penting dalam memprediksi risiko stroke. Dalam penelitian ini, teknik ensemble, khususnya bagging dan adaboost, diterapkan pada algoritma decision tree dan naive bayes untuk meningkatkan akurasi dalam memprediksi stroke. Hasil penelitian menunjukkan bahwa penggunaan teknik ensemble, terutama adaboost, mampu secara signifikan meningkatkan kinerja algoritma naive bayes, dengan peningkatan akurasi hingga 7,42%. Kombinasi algoritma decision tree dengan bagging memberikan akurasi tertinggi dalam memprediksi stroke, mencapai 96,91%, diikuti oleh kombinasi decision tree dengan adaboost dan naive bayes dengan adaboost. Hasil ini menunjukkan bahwa teknik ensemble dapat secara signifikan meningkatkan kinerja algoritma prediksi penyakit stroke, dengan penekanan pada penggunaan adaboost untuk algoritma naive bayes dan bagging untuk decision tree. Kata kunci: stroke, decision tree, naïve bayes, adaboost, bagging

Item Type:	Thesis (Masters)
Uncontrolled Keywords:	stroke, decision tree, naïve bayes, adaboost, bagging
Subjects:	Ilmu Komputer eTheses
Divisions:	Pasca Sarjana > Magister Teknik Informatika
Depositing User:	Hafsah Hafsah Mukaromah
Date Deposited:	04 Jul 2024 01:05
Last Modified:	04 Jul 2024 01:05
URI:	http://repo.darmajaya.ac.id/id/eprint/16651

Actions (login required)

View Item