OPTIMASI PREDIKSI PENYAKIT GINJAL KRONIS MENGGUNAKAN METODE BAGGING DAN RANDOM FOREST BERBASIS PARTICLE SWARM OPTIMIZATION (PSO)

Rizky, Imaniar Ikko Mulya (2024) OPTIMASI PREDIKSI PENYAKIT GINJAL KRONIS MENGGUNAKAN METODE BAGGING DAN RANDOM FOREST BERBASIS PARTICLE SWARM OPTIMIZATION (PSO). Masters thesis, Fakultas Ekonomi dan Bisnis,Jurusan Manajemen.

	Text ABSTRACT.pdf Download (196kB)
	Text ABSTRAK.pdf Download (7kB)
	Text BAB I .pdf Download (19kB)
	Text BAB II.pdf Download (657kB)
	Text BAB III.pdf Download (241kB)
	Text BAB V.pdf Download (21kB)
	Text BAB IV.pdf Download (669kB)
	Text DAFTAR GAMBAR.pdf Download (185kB)
	Text DAFTAR ISI.pdf Download (193kB)
	Text DAFTAR PUSTAKA.pdf Download (461kB)
	Text DAFTAR RIWAYAT HIDUP.pdf Download (175kB)
	Text DAFTAR RIWAYAT HIDUP.pdf Download (175kB)
	Text DAFTAR TABEL.pdf Download (184kB)
	Text HALAMAN MOTTO.pdf Download (5kB)
	Text HALAMAN PENGESAHAN.pdf Download (228kB)
	Text HALAMAN PERSEMBAHAN.pdf Download (5kB)
	Text HALAMAN PERSETUJUAN.pdf Download (172kB)
	Text JUDUL DALAM.pdf Download (30kB)
	Text JUDUL LUAR.pdf Download (29kB)
	Text KATA PENGANTAR.pdf Download (6kB)
	Text LAMPIRAN.pdf Download (106kB)
	Text PERNYATAAN KEASLIAN LAPORAN TESIS.pdf Download (242kB)

Abstract

Dengan kemajuan teknologi yang cepat, kebutuhan akan informasi meningkat. Informasi yang akurat sangat penting untuk memprediksi penyakit di bidang medis. Untuk mengubah data yang dikumpulkan menjadi pengetahuan, metode khusus harus digunakan. Proses ini disebut penambangan data, atau data mining secara luas. Data mining biasanya digunakan untuk memprediksi penyakit tertentu dengan data rekam medis pasien, terutama penyakit ginjal kronis. Data mengenai penyakit ginjal kronis biasanya diambil dari dataset Kaggle. Tujuan dari penelitian ini adalah untuk mempelajari penggunaan metode bagging pada algoritma Random Forest yang berbasis PSO, mengevaluasi hasil dari algoritma Random Forest, dan membandingkan tingkat akurasi antara penggunaan metode bagging dan algoritma Random Forest yang berbasis PSO. Hasil klasifikasi dataset menggunakan algoritma Random Forest menunjukkan akurasi sebesar 98,75%, tetapi dengan menggunakan metode bagging berbasis PSO, akurasi tersebut dapat meningka menjadi 99.25%. Kata Kunci: Penyakit Ginjal Kronis, Random Forest, Bagging, PSO, Akurasi.

Item Type:	Thesis (Masters)
Subjects:	Ilmu Komputer eTheses
Divisions:	Pasca Sarjana > Magister Teknik Informatika
Depositing User:	Ny Imaniar Ikko Mulya Rizky
Date Deposited:	13 Jun 2024 08:52
Last Modified:	13 Jun 2024 08:52
URI:	http://repo.darmajaya.ac.id/id/eprint/16455

Actions (login required)

View Item