PENERAPAN DATA MINING DENGAN ALGORITMA C4.5 UNTUK MEMPREDIKSI PENYAKIT STROKE OTAK
Total View This Week0
Total View This Week0
Institusion
Universitas Dinamika Bangsa
Author
Rivliansyah, Zurman
Subject
Artificial Intelligence
Datestamp
2024-01-06 05:16:44
Abstract :
Pada tahun 2019 organisasi kesehatan dunia (WHO) mendudukkan stroke sebagai tujuh dari sepuluh penyebab utama kematian, stroke otak tidak bisa dianggap penyakit biasa maka dari itu pentingnya kita untuk mengetahui informasi mengenai gejala ataupun penyebab dari penyakit stroke otak dengan salah satu teknik data mining yaitu klasifikasi atau prediksi. Tujuan dari penelitian ini adalah untuk melakukan prediksi pada penyakit stroke otak dan memperoleh nilai akurasi yang optimal dan juga memperoleh hasil pohon keputusan dan tentu saja metode decision tree menjadi pilihan untuk penelitian ini, pengujian yang dilakukan menggunakan 2 tools dan model pengujian yang berbeda, berdasarkan beberapa pohon keputusan yang dihasilkan terlihat bahwa atribut ?Age?, ?Heart Disease?, ?Hypertension? merupakan atribut yang paling signifikan dan perolehan akurasi tertinggi terdapat pada penggunaan data testing 40% yang dimana tanpa cross validation memperoleh akurasi tertinggi 87,93% (RapidMiner) dan dengan cross validation memperoleh akurasi tertinggi 85,12% (Weka).
Pada tahun 2019 organisasi kesehatan dunia (WHO) mendudukkan stroke sebagai tujuh dari sepuluh penyebab utama kematian, stroke otak tidak bisa dianggap penyakit biasa maka dari itu pentingnya kita untuk mengetahui informasi mengenai gejala ataupun penyebab dari penyakit stroke otak dengan salah satu teknik data mining yaitu klasifikasi atau prediksi. Tujuan dari penelitian ini adalah untuk melakukan prediksi pada penyakit stroke otak dan memperoleh nilai akurasi yang optimal dan juga memperoleh hasil pohon keputusan dan tentu saja metode decision tree menjadi pilihan untuk penelitian ini, pengujian yang dilakukan menggunakan 2 tools dan model pengujian yang berbeda, berdasarkan beberapa pohon keputusan yang dihasilkan terlihat bahwa atribut ?Age?, ?Heart Disease?, ?Hypertension? merupakan atribut yang paling signifikan dan perolehan akurasi tertinggi terdapat pada penggunaan data testing 40% yang dimana tanpa cross validation memperoleh akurasi tertinggi 87,93% (RapidMiner) dan dengan cross validation memperoleh akurasi tertinggi 85,12% (Weka).
Download
book
BibTex
Latex, Jabref
cloud_download
Original Resource
url resource Institution
