Perbandingan algoritma naive bayes dan decision tree C4.5 untuk klasifikasi readmisi pasien diabetes menggunakan pengukuran HBA1C / Asa Luki Setiawan - Repositori Universitas Negeri Malang

Perbandingan algoritma naive bayes dan decision tree C4.5 untuk klasifikasi readmisi pasien diabetes menggunakan pengukuran HBA1C / Asa Luki Setiawan

Setiawan, Asa Luki (2019) Perbandingan algoritma naive bayes dan decision tree C4.5 untuk klasifikasi readmisi pasien diabetes menggunakan pengukuran HBA1C / Asa Luki Setiawan. Diploma thesis, Universitas Negeri Malang.

Full text not available from this repository.

Abstract

RINGKASAN Luki Asa. 2019. Perbandingan Algoritma Na ve Bayes Dan Decision Tree C4.5 Untuk Klasifikasi Readmisi Pasien Diabetes Menggunakan Pengukuran HbA1c. Skripsi. Jurusan Teknik Elektro Fakultas Teknik Universitas Negeri Malang. Pembimbing (I) Harits Ar Rosyid S.T. M.T. Ph.D. Pembimbing (II) Utomo Pujianto S.Kom. M.Kom. Kata kunci Diabetes Na ve Bayes Decision TreeC4.5 Klasifikasi Diabetes merupakan penyakit gangguan metabolik akibat pankreas tidak memproduksi cukup insulin atau tubuh tidak dapat menggunakan insulin yang diproduksi secara efektif. Pemeriksaan HbA1c (glycated hemoglobin) sangat penting untuk mengetahui kondisi pasien diabetes. Pemeriksaan HbA1c bertujuan untuk mengukur kadar glukosa rata-rata pasien selama 2-3 bulan ke belakang. Tes ini akan mengukur kadar gula darah yang terikat pada hemoglobin yaitu protein yang berfungsi membawa oksigen dalam darah. Readmisi Rumah Sakit (Hospital Readmission) merupakan suatu tindakan atau kejadian seorang pasien dirawat kembali yang sebelumnya telah mendapatkan layanan rawat inap dirumah sakit. Proses readmisi dikaitkan dengan perhitungan kualitas penanganan pasien di rumah sakit. Penelitian ini bertujuan untuk mengetahui perbandingan kinerja Algoritma Na ve Bayes dan Decision Tree C4.5 dalam mengklasifikasi readmisi pasien diabetes berdasarkan pasien yang melakukan pemeriksaan HbA1c saja. Penelitian ini juga membandingkan kinerja beberapa metode preprocessing dalam melakukan permodelan hasil klasifikasi nantinya. Terdapat delapan skenario dalam membandingkan tahapan preprocessing dan metode algoritma sekaligus. Perbandingan preprocessing yang dilakukan antara lain dengan membandingkan kinerja Synthetic Minority Over-Sampling Technique (SMOTE) dengan metode feature selection. Hasil penelitian ini berupa hasil kinerja terbaik untuk klasfikasi readmisi rumah sakit dari beberapa skenario ujicoba yang telah dilakukan. Metode algoritma C4.5 menunjukan hasil evaluation metrics terbaik dalam mengklasifikasikan readmisi pasien diabetes dengan skenario yang mengkombinasikan metode preprocessing SMOTE dan feature selection hasil perhitungannya antara lain akurasi sebesar sebesar 82.74% precision 87.1% dan recall 82 7%. Pada skenario yang sama algoritma Na ve Bayes mendapatkan nilai akurasi sebesar 79.39% precision 79 50% dan recall 79 40%.

Item Type: Thesis (Diploma)
Subjects: ?? ??
Divisions: Fakultas Teknik (FT) > Departemen Teknik Elektro (TE) > S1 Teknik Informatika
Depositing User: Users 2 not found.
Date Deposited: 15 Jul 2019 04:29
Last Modified: 09 Sep 2019 03:00
URI: http://repository.um.ac.id/id/eprint/99010

Actions (login required)

View Item View Item