Skripsi

Feature selection pada komparasi efektivitas algoritma decision tree c4.5 dan naive bayes terhadap mortalitas pasien penyakit gagal jantung / Muhammad Busthomi Arviansyah

Abstrak
Jantung merupakan slaah satu organ yang vital bagi manusia yang berfungsi untuk memompa darah ke seluruh tubuh. Salah satu penyakit yang dapat terjadi pada jantung adalah gagal jantung. Gagal jantung diakibatkan oleh gangguan struktural atau fungsional yang berdampak pada kemampuan ventrikel untuk memompa darah ke seluruh tubuh. Berdasarkan data yang dirilis Riset Kesehatan Dasar tahun 2018 prevalensi penyakit jantung di Indonesia sebesar 1.5% yang berarti 1 juta lebih penduduk Indonesia memiliki permasalahan pada jantung. Tingkat mortalitas pasien penyakit gagal jantung dapat ditekan dengan cara pengklasifikasian data mining. Proses pengklasifikasian dilakukan menggunakan algoritma decision tree C4.5 dan na iuml ve bayes. Dataset yang digunakan pada penelitian ini yaitu Heart Failure Clinical Records Dataset yang diambil dari UCI Machine Learning Repository. Data tersebut berisikan 299 jumlah data pasien penyakit gagal jantung. Penelitian dilakukan dengan dua metode. Metode pertama dilakukan tanpa melalui proses feature selection dan metode kedua dilakukan dengan menggunakan feature selection. Metode validasi yang digunakan yaitu 10-folds cross validation. Untuk proses klasifikasi tanpa penggunaan feature selection algoritma Decision Tree C4.5 mendapatkan tingkat akurasi sebesar 79.93% 73.68% untuk tingkat precision 58.33% untuk tingkat recall. Untuk algoritma Na iuml ve Bayes mendapatkan 76.53% untuk akurasi 70.96% untuk precision dan 45.83% untuk recall. Hasil dari kedua algoritma tersebut mengalami peningkatan pada proses klasifikasi dengan menggunakan feature selection. Untuk tingkat akurasi Decision Tree C4.5 mendapatkan 83.26% dan Na iuml ve Bayes mendapatkan 79.26%. Precision algoritma Decision Tree C4.5 meningkat menjadi 78.04% dan tingkat precision Na iuml ve bayes menjadi 77.42%. Dan untuk tingkat recall algoritma Decision Tree C4.5 meningkat menjadi 66.7% dan untuk Na iuml ve Bayes meningkat menjadi 50.0%.

Informasi Detail

DDC

Rs 005.1 ARV f

Prodi

Universitas Negeri Malang. Program Studi Teknik Informatika, 2022.

Deskripsi Fisik

xii, 39 lembar : ilus. ; 30 cm

Bahasa

Indonesia

No Reg

08257/KI/22

Edisi

Skripsi (Sarjana)--Universitas Negeri Malang. 2022

Subjek

1. ALGORITMA KOMPUTER - DECISION TREG
2. ALGORITMA KOMPUTER - NAIVE BAYES
3. COMPUTER ALGORITHM - DECISION TREG

Pembimbing

1. Eng Didik Dwi Prasetya; 2. Ilham Ari Elbaith Zaeni

Lampiran Berkas