Pertiwi, Annas Gading (2018) Optimasi algoritma C4.5 berbasis particle swarm optimization untuk prediksi rujukan partus / Annas Gading Pertiwi. Diploma thesis, Universitas Negeri Malang.
Full text not available from this repository.Abstract
v RINGKASAN Pertiwi Annas Gading. 2018. Optimasi Algoritma C4.5 Berbasis Particle Swarm Optimization pada Prediksi Rujukan Partus. Skripsi Jurusan Teknik Elektro Fakultas Teknik Universitas Negeri Malang. Pembimbing (I) Aji Prasetya Wibawa S.T. M.M.T. Ph.D. (II) Utomo Pujianto S.Kom. M.Kom. Kata Kunci Rujukan Partus Algoritma C4.5 Particle Swarm Optimization Data Minning Klasifikasi. Tingkat kematian ibu melahirkan mengalami peningkatan. Begitu juga dengan tingkat kematian bayi yang baru dilahirkan. Salah satu upaya peningkatan keselamatan ibu yang melahirkan adalah dengan memperbaiki sistem rekomendasi rujukan. Sistem rekomendasi yang sudah ada dilakukan oleh tenaga kesehatan dengan menggunakan metode skrinning. Metode skrinning ini memiliki beberapa kelemahan yaitu memerlukan waktu yang relatif lama tidak terlaksanakan dengan baik dan kerap terjadi human error. Oleh karena itu perlu dilakukan langkah-langkah perbaikan salah satunya dilakukan dengan teknik data mining. Beberapa algoritma di dalam data minning telah digunakan untuk memprediksi hal yang berkaitan dengan rujukan pasien adalah algoritma Naive Bayes Neural Network dan C4.5. Algoritma C4.5 yang telah diterapkan di beberapa kasus dan terbukti memiliki nilai yang baik pada prediksi kelahiran bayi prematur yang kemudian ditambahkan Particle Swarm Optimization untuk meningkatkan kinerja model. Pada penelitian ini digunakan algoritma C4.5 dan Particle Swarm Optimization mengklasifikasi rujukan partus. Dataset yang digunakan adalah dataset rujukan partus dari register kohort ibu yang dikumpulkan dari tahun 2014 sampai 2016 di Kecamatan Selopuro Kabupaten Blitar Jawa Timur. Pemodelan digunakan untuk mengklasifikasikan data ke dalam dua kelas yaitu kelas LANCAR dan RUJUK. Metode Particle Swarm Optimization dilakukan untuk feature selection sehingga atribut memiliki nilai weight masing-masing untuk memudahkan pemodelan decision tree dari C4.5. Validasi data yang digunakan adalah menggunakan teknik k-cross validation dengan nilai k yang terbaik. Metode evaluasi yang digunakan adalah confusion matrix untuk mencari nilai akurasi presisi dan recall. Berdasarkan penelitian yang telah dilakukan hasil yang diperoleh dari penelitian ini menunjukkan bahwa algoritma C4.5 dapat digunakan untuk mengklasifikasikan permasalahan rujukan partus dengan nilai akurasi tertinggi adalah 76%. Penggunaan metode Particle Swarm Optimization dapat menaikkan nilai akurasi dari pemodelan C4.5 sehingga tercapai nilai akurasi tertinggi sebesar 78%. Berdasarkan hasil yang diperoleh pemodelan C4.5 dan Particle Swarm Optimization dapat diterapkan untuk membantu prediksi data rujukan partus.
| Item Type: | Thesis (Diploma) |
|---|---|
| Subjects: | T Technology > T Technology (General) > TIN Software Engineering |
| Divisions: | Fakultas Teknik (FT) > Departemen Teknik Elektro (TE) > S1 Teknik Informatika |
| Depositing User: | Users 2 not found. |
| Date Deposited: | 19 Dec 2018 04:29 |
| Last Modified: | 09 Sep 2018 03:00 |
| URI: | http://repository.um.ac.id/id/eprint/48073 |
Actions (login required)
 |
View Item |