PENERAPAN ALGORITMA C5.0 BERBASIS BPSO UNTUK DETEKSI DINI PENYAKIT JANTUNG

Firmansyah, Rozian (2022) PENERAPAN ALGORITMA C5.0 BERBASIS BPSO UNTUK DETEKSI DINI PENYAKIT JANTUNG. Other thesis, UPN 'Veteran" Yogyakarta.

	Text SKRIPSI FULL_ROZIAN FIRMANSYAH_123170057.pdf Restricted to Repository staff only Download (5MB)
Preview	Text COVER.pdf Download (165kB) | Preview
Preview	Text HALAMAN PENGESAHAN PEMBIMBING.pdf Download (448kB) | Preview
Preview	Text DAFTAR PUSTAKA.pdf Download (215kB) | Preview
Preview	Text DAFTAR ISI.pdf Download (79kB) | Preview

Abstract

vii
ABSTRAK
Penyakit jantung merupakan penyakit yang menyumbang kematian tertinggi di dunia. WHO
memperkirakan lebih dari 17.5 juta orang meninggal pada tahun 2012 di Amerika Serikat yang
diakibatkan oleh penyakit jantung, atau setara dengan 31% dari seluruh kematian di dunia.
Sedangkan di Indonesia penyakit jantung menjadi penyumbang kematian tertinggi
dibandingkan penyebab kematian yang lain. Penyakit jantung tidak hanya menyerang orang
yang sudah berusia lanjut, namun banyak juga orang yang masih muda namun sudah
mengalami penyakit jantung.
Proses untuk deteksi adanya penyakit jantung dapat dilakukan dengan berkonsultasi
dengan doktek spesialis jantung. Setelah diperiksa oleh dokter jantung, lalu hasil
pemeriksaan akan dicek di laboratorium dan dianalisis oleh dokter spesialis jantung apakah
pasien menderita penyakit jantung atau tidak. Cara yang konvensional tersebut selain kurang
efisien juga membutuhkan waktu yang lama dan menghasbiskan biaya yang tidak sedikit.
Oleh karena itu perlu adanya suatu teknologi yang memanfaatkan data dari industry
kesehatan untuk mendeteksi adanya penyakit jantung dengan cepat. Penelitian yang
berkaitan dengan deteksi dini penyakit jantung menggunakan berbagai algoritma sudah
pernah dilakukan. Namun seiring berkembangnya waktu, data yang digunakan untuk
klasifikasi memiliki atribut yang cukup banyak. atribut yang cukup banyak membuat waktu
yang dibutuhkan untuk proses klasifikasi menjadi lebih lama dan kurang efisien. Selain itu,
jika data yang diproses besar dan memiliki atribut yang cukup banyak maka akan
mempengaruhi hasil akurasi dari klasifikasi yang dilakukan. Maka dari itu perlu adanya
reduksi atribut untuk menghilangkan atribut yang kurang relevan dan memaksimalkan
akurasi dari klasifikasi yang dilakukan. Pada penelitian ini menggunakan algortima Binary
Particle Swarm Optimization (BPSO) untuk melakukan seleksi fitur sehingga bisa memilih
atribut yang relevan dan memaksimalkan performa proses dan hasil klasfikasi. Dataset yang
digunakan pada penelitian ini diambil dari cleveland heart diseases yang berjumlah 297 dan
memiliki 13 atribut. Data yang sudah diseleksi fitur kemudian dilakukan klasfikasi
menggunakan algoritma C5.0.
Dalam penelitian dilakukan menggunakan confusion matrix, pengujian dilakukan
dua kali yaitu pengujian akurasi C5.0 yang menggunakan seleksi fitur BPSO dan pengujian
akurasi C5.0 tanpa menggunakan seleksi fitur BPSO. Hasilnya adalah akurasi yang
dihasilkan algoritma C5.0 yang menggunakan seleksi fitur BPSO lebih besar yaitu 96,67%
dibandingkan dengan yang tidak menggunakan seleksi fitur BPSO yaitu hanya sebesar 80%.
Kata kunci: penyakit jantung, klasifikasi, seleksi fitur, C5.0, BPSO

Item Type:	Thesis (Other)
Uncontrolled Keywords:	penyakit jantung, klasifikasi, seleksi fitur, C5.0, BPSO
Subjects:	Z Bibliography. Library Science. Information Resources > ZA Information resources > ZA4450 Databases
Divisions:	Faculty of Engineering, Science and Mathematics > School of Engineering Sciences
Depositing User:	Eko Yuli
Date Deposited:	25 Mar 2022 04:38
Last Modified:	01 Dec 2022 01:29
URI:	http://eprints.upnyk.ac.id/id/eprint/29147

Actions (login required)

View Item