Skripsi

Komparasi kinerja algoritma machine learning dalam memprediksi penyakit stroke / Hafidz Hussein Vendra

Abstrak
Stroke adalah suatu kondisi kesehatan yang dimana rusaknya pembuluh darah di otak akibat terhentinya aliran darah dan nutrisi ke otak. Oleh karena itu sistem klasifikasi stroke sangatlah penting pada penderita. Sistem ini memberikan faktor apa saja yang akan menyebabkan terjadinya stroke. Klasifikasi ini dapat mengetahui faktor apa saja yang harus dihindari supaya tidak terkena gejala stroke. Pada konteks ini data mining dapat memberikan proses klasifikasi yang sangat baik terutama dalam mencegah terjadinya stroke atau penderita stroke dapat mengetahui faktor penyebabnya. Tujuan pada penelitian ini ialah komparasi algoritma machine learning menggunakan data mining dalam memprediksi penderita stroke dengan menggunakan algoritma Logistic Regression Decision Tree Random Forest K-NN Naive Bayes dan Support Vector Machine (SVM). Pengujian dilakukan menggunakan stroke prediction dataset yang berasal dari website kaggle. Hasil yang paling tertinggi didapat ialah menggunakan Logistic Regression yaitu mempunyai akurasi sebesar 88% dengan menggunakan cross validation dan smote upsampling. Hasil menunjukkan bahwa teknik yang digunakan dapat meningkatkan akurasi yang lebih tinggi.

Informasi Detail

DDC

SKRIPSI DIGITAL

Prodi

Universitas Negeri Malang. Program Studi Teknik Informatika, 2024.

Deskripsi Fisik

ix, 41 hlm. : ilus.

Bahasa

Indonesia

No Reg

4808/RS/24

Edisi

Skripsi (Sarjana)--Universitas Negeri Malang. 2024

Subjek

1. ALGORITMA MACHINE LEARNING - PENYAKIT STROKE
2. MACHINE LEARNING ALGORITHM - STROKE DISEASE

Pembimbing

1. Triyanna Widiyaningtyas, M.t.

Lampiran Berkas