Irfandiansyah, Mukhammad Rizqi (2021) Perbandingan algoritma naïve bayes dan decision tree C4.5 dalam klasifikasi penyakit gagal jantung / Mukhammad Rizqi Irfandiansyah. Diploma thesis, Universitas Negeri Malang.
Full text not available from this repository.Abstract
Gagal jantung merupakan suatu keadaan yang terjadi saat jantung gagal memompakan darah dalam jumlah yang memadai untuk mencukupi kebutuhan metabolisme. Angka kematian di dunia yang disebabkan oleh penyakit jantung menurut WHO berjumlah 17 9 juta jiwa berkisar 31% dari 57 juta penduduk didunia. Benua Asia berada diposisi puncak akibat kematian penyakit jantung dengan jumlah penderita 276 9 ribu jiwa. Dan Indonesia menduduki tingat kedua di Asia Tenggara dengan jumlah 371 ribu jiwa. Oleh karena itu dengan jumlah kematian yang tinggi pendeteksian dini perlu dilakukan. Kumpulan data pasien yang terkena gagal jantung bisa dimanfaatkan untuk melakukan pendeteksian dini dengan menggunakan data mining. Dataset yang digunakan pada penelitian ini adalah dataset heart failure clinical records dari website kaggle yang memiliki 13 atribut bersifat multivariate dengan jumlah instance 299. Berdasarkan jumlah pasien gagal jantung yang besar penyimpanan data pasien menjadi besar. Algoritma na iuml ve bayes terbukti memiliki akurasi dan kecepatan yang tinggi saat diaplikasikan ke dalam database yang besar. Sehingga ini menjadi salah satu kelebihan yang bisa digunakan dalam kasus klasifikasi penyakit gagal jantung. Kemudian penyebab penyakit gagal jantung susah dikenali secara klinis karena beragamnya keadaan klinis serta hanya sedikit tanda ndash tanda klinis pada tahap awal penyakit. Sehingga dibutuhkan algoritma yang memiliki pemodelan yang mudah dibaca. Salah satu kelebihan dari algoritma decision tree C4.5 adalah Interpretability ini menggambarkan kemudahan suatu model untuk dapat dipahami dan diinterpretasikan.
| Item Type: | Thesis (Diploma) |
|---|---|
| Subjects: | ?? ?? |
| Divisions: | Fakultas Teknik (FT) > Departemen Teknik Elektro (TE) > S1 Teknik Informatika |
| Depositing User: | library UM |
| Date Deposited: | 24 Jan 2021 04:29 |
| Last Modified: | 09 Sep 2021 03:00 |
| URI: | http://repository.um.ac.id/id/eprint/199532 |
Actions (login required)
 |
View Item |