PREDIKSI STROKE MENGGUNAKAN ALGORITMA NAÃVE BAYES DAN GREEDY FORWARD SELECTION
Total View This Week0
Total View This Week0
Institusion
Universitas Dinamika Bangsa
Author
Prayoga, Bayu
Subject
Artificial Intelligence
Datestamp
2024-03-23 08:46:29
Abstract :
Stroke adalah penyebab kematian ketiga terbanyak setelah penyakit jantung korner dan kanker. Stroke merupakan sebuah gangguan suplai darah pada otak yang biasanya disebabkan karena pecahnya pembulu darah atau sumbatan oleh gumpalan darah. Hal ini menyebabkan gangguan pasokan oksigen dan nutrisi di otak sehingga terjadi kerusakan pada jaringan otak. Salah satu cara yang dapat digunakan untuk mengatasi permasalahan tersebut adalah dengan menggunakan teknik data mining. Salah satu algoritma klasifikasi dalam data mining yang dapat digunakan adalah Naïve Bayes. Naïve Bayes merupakan sebuah pengklasifikasian probabilistik sederhana yang menghitung sekumpulan probabilitas dengan menjumlahkan frekuensi dan kombinasi nilai dari dataset yang diberikan. Namun algoritma naïve bayes diperlukan optimasi untuk meningkatkan kinerja dari model yang digunakan. Penelitian ini menggunakan seleksi fitur Greedy Forward Selection sehingga akan mendapatkan fitur atau atribut yang relevan . Hasil penelitian menunjukkan bahwa model Naïve Bayes dan Greedy Forward Selection mendapatkan nilai akurasi tertinggi sebesar 98,41%, sedangkan model Naïve Bayes tanpa seleksi fitur Greedy Forward Selection hanya mendapat nilai akurasi sebesar 98,36%.
Stroke adalah penyebab kematian ketiga terbanyak setelah penyakit jantung korner dan kanker. Stroke merupakan sebuah gangguan suplai darah pada otak yang biasanya disebabkan karena pecahnya pembulu darah atau sumbatan oleh gumpalan darah. Hal ini menyebabkan gangguan pasokan oksigen dan nutrisi di otak sehingga terjadi kerusakan pada jaringan otak. Salah satu cara yang dapat digunakan untuk mengatasi permasalahan tersebut adalah dengan menggunakan teknik data mining. Salah satu algoritma klasifikasi dalam data mining yang dapat digunakan adalah Naïve Bayes. Naïve Bayes merupakan sebuah pengklasifikasian probabilistik sederhana yang menghitung sekumpulan probabilitas dengan menjumlahkan frekuensi dan kombinasi nilai dari dataset yang diberikan. Namun algoritma naïve bayes diperlukan optimasi untuk meningkatkan kinerja dari model yang digunakan. Penelitian ini menggunakan seleksi fitur Greedy Forward Selection sehingga akan mendapatkan fitur atau atribut yang relevan . Hasil penelitian menunjukkan bahwa model Naïve Bayes dan Greedy Forward Selection mendapatkan nilai akurasi tertinggi sebesar 98,41%, sedangkan model Naïve Bayes tanpa seleksi fitur Greedy Forward Selection hanya mendapat nilai akurasi sebesar 98,36%.
Download
book
BibTex
Latex, Jabref
cloud_download
Original Resource
url resource Institution
