PENINGKATAN NILAI AKURASI TERHADAP PREDIKSI STROKE MENGGUNAKAN METODE OPTIMIZATION FEATURE WEIGHTING PSO DAN ALGORITMA DECISION TREE C4.5

Estian, Randi (2022) PENINGKATAN NILAI AKURASI TERHADAP PREDIKSI STROKE MENGGUNAKAN METODE OPTIMIZATION FEATURE WEIGHTING PSO DAN ALGORITMA DECISION TREE C4.5. Masters thesis, Institut Informatika dan Bisnis Darmajaya.

	Text Halaman Pengesahan.pdf Download (589kB)
	Text Persetujuan tesis.pdf Download (12MB)
	Text abstrak.pdf Download (38kB)
	Text Daftar Isi.pdf Download (110kB)
	Text BAB I.pdf Download (57kB)
	Text BAB II.pdf Download (336kB)
	Text BAB III.pdf Download (813kB)
	Text BAB IV.pdf Download (1MB)
	Text BAB V.pdf Download (40kB)
	Text Daftar Pustaka.pdf Download (102kB)
	Text lampiran.pdf Download (3MB)

Abstract

Stroke merupakan masalah kesehatan yang utama bagi masyarakat modern saat ini. Pada dewasa ini, stroke semakin menjadi masalah serius yang dihadapi hampir diseluruh dunia. Hal tersebut dikarenakan serangan stroke yang mendadak dapat mengakibatkan kematian, kecacatan fisik dan mental baik pada usia produktif maupun usia lanjut. Untuk mendapatkan data informasi stroke perlu dilakukan proses data mining seperti klasifikasi. Klasifikasi merupakan sebuah proses untuk menentukan model yang menjelaskan atau membedakan konsep atau kelas data, dengan tujuan untuk dapat memperkirakan kelas dari suatu objek yang kelasnya tidak diketahui, di dalam klasifikasi juga diberikan sejumlah record yang dinamakan training set, yang terdiri dari beberapa atribut, atribut dapat berupa kontinyu ataupun kategoris, salah satu atribut menunjukkan kelas untuk record Pada permasalahan diatas mengenai penyakit stroke maka untuk dapat mengatasi masalah tersebut banyak dilakukan penelitian dalam bidang ilmu komputer diantaranya adalah Klasifikasi Penderita Penyakit Stroke Menggunakan Algoritma Decision Tree C4.5 untuk mengklasifikasikan faktor paling penting untuk penyakit ini. Pengujian menghasilkan akurasi yang cukup tinggi yaitu sebesar 92,02 %. Merujuk hasil akurasi dari penelitian tersebut dapat dilihat bahwa Decision Tree menghasilkan akurasi yang tinggi namun hasil akurasi tersebut masih dapat ditingkatkan lagi dengan melakukan penelitian lanjutan untuk menghasilkan akurasi lebih tinggi dengan menambahkan Optimization Feature Weighting PSO . dan menggunakan dataset kaggle. Berdasarkan hasil penelitian yang dilakukan peneliti sebelumnya maka masih perlu dikembangkan lagi agar klasifikasi penyakit stroke mendapatkan tingkat akurasi yang lebih tinggi . Kata kunci : Akurasi, Stroke, PSO, Algoritma Decision Tree C4.5 .

Item Type:	Thesis (Masters)
Subjects:	Ilmu Komputer eTheses
Divisions:	Pasca Sarjana > Magister Teknologi Informasi
Depositing User:	randi estian
Date Deposited:	01 Sep 2022 06:54
Last Modified:	01 Sep 2022 06:54
URI:	http://repo.darmajaya.ac.id/id/eprint/8227

Actions (login required)

View Item