Skripsi

Implementasi metode sampling pada klasifikasi penyakit stroke menggunakna algoritma random forest / Riza Maqfiratun Nafisah

Abstrak
Penyakit Stroke merupakan ganguan fungsi otak yang disebabkan kurangnya suplai oksigen. Penyakit ini tergolong sebagai salah satu penyakit berbahaya bahkan menduduki peringkat ke-2 sebagai penyebab kematian terbanyak di dunia. Berdasarkan tingginya angka kematian maka perlu dilakukan deteksi sejak dini penyakit Stroke salah satunya dengan memanfaatkan Data Mining. Metode Data Mining yang digunakan dalam penelitian ini adalah Random Forest metode ini dipilih karena cocok dengan data sampel yang berukuran besar. Tujuan yang hendak dicapai dalam penelitian ini adalah untuk mengetahui proses dan hasil dari metode Random Forest dalam mengklasifikasikan penyakit Stroke. Tahapan yang dilakukan pada penelitian ini meliputi (1) Pengumpulan Dataset yang diperoleh dari website Kaggle dimana memiliki 11 atribut dan 5110 data. (2) Preprocessing data dengan melakukan Data Cleaning Transformation dan Balancing Data menggunakan teknik Sampling (3) Tuning dan Implementasi Random Forest dalam klasifikasi penyakit Stroke (4) evaluasi hasil pola yang telah dibuat dengan menghitung nilai Accuracy F-Measure dan Training Time berdasarkan tabel Confusion Matrix. Hasil dari percobaan ini menunjukkan bahwa teknik balancing data SMOTE dengan nilai mtry 6 dan ntree 1000 memiliki performa terbaik dengan hasil Accuracy 95 7% F-Measure 95 8% dan Training Time 18.1 second shy

Informasi Detail

DDC

SKRIPSI DIGITAL

Prodi

Universitas Negeri Malang. Program Studi Teknik Informatika, 2022.

Deskripsi Fisik

x, 32 lembar : il. ; 30 cm.

Bahasa

Indonesia

No Reg

0007/RS/22

Edisi

Skripsi (Sarjana)--Universitas Negeri Malang. 2022

Subjek

1. KLASIFIKASI PENYAKIT - MENGGUNAKAN ALGORITMA
2. DISEASE CLASSIFICATION - USING ALGORITHM

Pembimbing

1. Harits Ar Rosyid, S.t., M.t., Ph.d; Ilham Ari Elbaith Zaeni, S.t., M.t., Ph.d

Lampiran Berkas