Implementasi Data Mining Untuk Memprediksi Resiko Penyakit Stroke Menggunakan Algoritma Decision Tree

Chairunnisa, Ahdiaty and Sutedi, Sutedi (2026) Implementasi Data Mining Untuk Memprediksi Resiko Penyakit Stroke Menggunakan Algoritma Decision Tree. Skripsi thesis, Institut Informatika Dan Bisnis Darmajaya.

[img] Text
Cover.pdf

Download (214kB)
[img] Text
Pernyataan.pdf

Download (647kB)
[img] Text
Halaman Persetujuan.pdf

Download (668kB)
[img] Text
Halaman Pengesahan.pdf

Download (1MB)
[img] Text
Abstrak Indo.pdf

Download (169kB)
[img] Text
Abstrak Inggris .pdf

Download (169kB)
[img] Text
Daftar Isi.pdf

Download (155kB)
[img] Text
BAB 1 .pdf

Download (147kB)
[img] Text
BAB 2.pdf

Download (327kB)
[img] Text
BAB 3.pdf

Download (706kB)
[img] Text
BAB 4.pdf

Download (2MB)
[img] Text
Bab 5.pdf

Download (136kB)
[img] Text
Daftar Pustaka.pdf

Download (225kB)

Abstract

Stroke merupakan gangguan saraf akibat aliran darah ke otak yang terhambat, faktor risiko seperti hipertensi, usia, dan gaya hidup sangat berperan dalam meningkatkan peluang seseorang terkena stroke. Perkembangan teknologi informasi memberikan dampak signifikan terhadap kemajuan bidang kesehatan, khususnya dalam pemanfaatan data mining sebagai alat bantu pengambilan keputusan medis. Dalam penelitian ini data penyakit diambil dari repositori Kaggle dengan jumlah 4981 sampel data yang terdiri dari 10 kolom prediktor dan 1 kolom target. Penelitian ini bertujuan untuk mengimplementasikan algoritma Decision Tree dalam memprediksi risiko penyakit stroke. Hasil penelitian menunjukkan bahwa model Decision Tree yang dikembangkan mampu mencapai tingkat akurasi sebesar 96%, dengan nilai precision sebesar 48%, recall sebesar 50%, dan F1- score sebesar 49% setelah dilakukan penyeimbangan data menggunakan teknik undersampling. Meskipun terdapat ketidakseimbangan kelas pada data, model ini terbukti cukup efektif dalam memprediksi individu berisiko tinggi terhadap stroke. Kata Kunci: Data Mining, Decision Tree, Prediksi, Stroke, Kesehatan

Item Type: Thesis (Skripsi)
Subjects: Ilmu Komputer
eSkripsi
Divisions: Skripsi/TA & PKPM/KP - Fakultas Ilmu Komputer > Sistem Informasi
Depositing User: Ahdiaty Nisa Chairunnisa
Date Deposited: 10 Feb 2026 04:45
Last Modified: 10 Feb 2026 04:45
URI: http://repo.darmajaya.ac.id/id/eprint/23221

Actions (login required)

View Item View Item