Seleksi Fitur Pada Algoritma C45 dan Algoritme Random Forest dalam Mendiagnosis Penyakit Ginjal Kronis

Ismail, Nawa and Lestari, Sri (2025) Seleksi Fitur Pada Algoritma C45 dan Algoritme Random Forest dalam Mendiagnosis Penyakit Ginjal Kronis. Masters thesis, Institut Informatika dan Bisnis Darmajaya.

[img] Text
1.Cover.pdf

Download (181kB)
[img] Text
2.Abstract.pdf

Download (152kB)
[img] Text
3.Persetujuan dan Pengesahan ok.pdf

Download (1MB)
[img] Text
4.Daftar Isi.pdf

Download (259kB)
[img] Text
5.Bab 1.pdf

Download (201kB)
[img] Text
6.Bab 2.pdf

Download (983kB)
[img] Text
7.Bab 3.pdf

Download (256kB)
[img] Text
8.Bab 4.pdf

Download (1MB)
[img] Text
9.Bab 5.pdf

Download (156kB)
[img] Text
10.Daftar Pustaka.pdf

Download (280kB)
[img] Text
11.Lampiran.pdf

Download (2MB)

Abstract

Penyakit Ginjal Kronik (PGK) merupakan keadaan terjadinya penurunan fungsi ginjal yang menyebabkan ginjal tidak dapat membuang racun dan produk sisa dari darah, yang ditandai adanya protein dalam urin serta penurunan laju filtrasi glomerusus. Penyakit ginjal kronis berkontribusi besar pada angka kematikan dari tahun ke tahun. Tingginya kematian yang disebabkan oleh ginjal kronik harus segera dilakukan pencegahan, salah satunya dengan melakukan diagnosis penyakit ginjak kronis adalah secara tepat dan akurat. Salah satu metode yang dapat digunakan untuk diagnosis adalah algoritme C4.5. dan algoritme Random Forest. Untuk meningkatkan nilai akurasi pada kedua algoritma tersebut digunakan seleksi fitur berbasis statistikcdengan konsep korelasi person. Tool yang digunakan pada penelitian ini adalah google colaboratory dengan bahasa pyton, melalui tahapan pre-processing data, seleksi fitur, pemodelan algoritma C4.5 dan algoritme Random Forest. Sementara untuk evaluasi dilakukan dengan membagi data menjadi data latih dan data uji dengan presentasi 80% untuk data latih dan 20% untuk data uji. Hasil evaluasi setelah dilakukan seleksi fitur mengalami peningkatan nilai akurasi sebesar 1,25% dari 96,25% meningkat 97,50% pada algoritme C4.5 sedangkan pada algoritme Random Forest sebesar sebesar 1,25% dari 98,75% meningkat 100%.

Item Type: Thesis (Masters)
Subjects: Ilmu Komputer
eTheses
Divisions: Pasca Sarjana > Magister Teknik Informatika
Depositing User: Nawa Ismail Ismail
Date Deposited: 31 Jan 2025 07:54
Last Modified: 31 Jan 2025 07:54
URI: http://repo.darmajaya.ac.id/id/eprint/19141

Actions (login required)

View Item View Item