KOMPARASI ALGORITMA K-NN DAN C4.5 BERBASIS PARTICLE SWARM OPTIMIZATION DALAM KLASIFIKASI PENYAKIT GAGAL JANTUNG
Total View This Week0
Total View This Week0
Institusion
Universitas Dinamika Bangsa
Author
Ghina Syawali, Nanda
Subject
Analisis Sistem Informasi
Datestamp
2024-03-22 07:18:20
Abstract :
Gagal jantung merupakan penyakit kardiovaskuler yang paling sering terjadi di seluruh dunia, dan menjadi penyakit yang menyumbang angka mortalitas dan morbiditas cukup tinggi. Penyakit gagal jantung itu sendiri menjadi salah satu penyebab kematian nomor satu di dunia setiap tahunnya. Mengurangi tingkat penambahan kasus terkait penyakit gagal jantung ini dapat dilakukan diagnosa terhadap faktor-faktor terkait, akan tetapi terdapat resiko apabila terjadi kesalahan dalam pengklasifikasian penderita gagal jantung. Untuk mengatasi permasalahan tersebut dapat memanfaatkan metode yang ada pada data mining. Pada penelitian ini dilakukan komparasi terhadap performa algoritma K-NN dan C4.5 berbasis PSO yang merupakan salah satu metode klasifikasi dalam data mining yang akan digunakan untuk mengidentifikasi penyakit gagal jantung. Setelah dilakukan pengujian menggunakan optimasi PSO untuk mendukung algoritma K-NN dan C4.5 didapatkan hasil bahwa dengan penerapannya dapat meningkatkan akurasi yang lebih baik, performa algoritma tertinggi didapatkan pada algoritma K-NN dengan PSO pada rapidminer dengan tingkat akurasi sebesar 89,09% , precision 89,61%, recall 90,79% dan nilai AUC = 0,935 yang tergolong Excellent Classification.
Gagal jantung merupakan penyakit kardiovaskuler yang paling sering terjadi di seluruh dunia, dan menjadi penyakit yang menyumbang angka mortalitas dan morbiditas cukup tinggi. Penyakit gagal jantung itu sendiri menjadi salah satu penyebab kematian nomor satu di dunia setiap tahunnya. Mengurangi tingkat penambahan kasus terkait penyakit gagal jantung ini dapat dilakukan diagnosa terhadap faktor-faktor terkait, akan tetapi terdapat resiko apabila terjadi kesalahan dalam pengklasifikasian penderita gagal jantung. Untuk mengatasi permasalahan tersebut dapat memanfaatkan metode yang ada pada data mining. Pada penelitian ini dilakukan komparasi terhadap performa algoritma K-NN dan C4.5 berbasis PSO yang merupakan salah satu metode klasifikasi dalam data mining yang akan digunakan untuk mengidentifikasi penyakit gagal jantung. Setelah dilakukan pengujian menggunakan optimasi PSO untuk mendukung algoritma K-NN dan C4.5 didapatkan hasil bahwa dengan penerapannya dapat meningkatkan akurasi yang lebih baik, performa algoritma tertinggi didapatkan pada algoritma K-NN dengan PSO pada rapidminer dengan tingkat akurasi sebesar 89,09% , precision 89,61%, recall 90,79% dan nilai AUC = 0,935 yang tergolong Excellent Classification.
Download
book
BibTex
Latex, Jabref
cloud_download
Original Resource
url resource Institution
