Indarto, Indarto (2020) PERBANDINGAN PREDIKSI RISIKO KEMATIAN PASIEN STROKE PERDARAHAN MENGGUNAKAN ALGORITMA DECISION TREE C4.5 DAN NAIVE BAYES SEBELUM DAN SESUDAH SELEKSI ATRIBUT. S2 - Magister thesis, Universitas AMIKOM Yogyakarta.
Text
18.52.1102-Indarto.pdf - Published Version Download (4MB) |
Abstract
Stroke adalah salah satu masalah utama di Indonesia maupun di dunia dan menjadi penyebab kecacatan dan kematian. Stroke perdarahan mempunyai angka mortalitas yang lebih tinggi dibanding stroke sumbatan. Tujuan penelitian ini adalah untuk membangun model prediksi risiko kematian pada pasien stroke perdarahan.Set data penelitian diperoleh dari Register Stroke Rumah Sakit Bethesda Yogyakarta sejak tahun 2014 sampai tahun 2018 yaitu sejumlah 1329 data pasien stroke perdarahan. Set data terdiri dari data sosio demografi dan data klinis pasien. Analisis dilakukan dengan algoritma klasifikasi Decision tree C4.5 dan Naïve Bayes. Evaluasi terhadap hasil analisis menggunakan nilai akurasi, presisi, recall dan F-measure. Analisis klasifikasi dengan Decision tree C4.5 menghasilkan performa yang lebih baik dibandingkan performa dengan algoritma Naïve Bayes. Analisis dengan Decision tree C4.5 pada set data latih menghasilkan nilai akurasi 90,5 %, presisi sebesar 90,33%, recall sebesar 90,5 % dan F-measure sebesar 90,37 %. Sedangkan pada set data uji menghasilkan nilai akurasi 89,47 %, presisi sebesar 89,33 %, recall sebesar 89,47 % dan F-measure sebesar 89,27 %. Analisis dengan Naïve Bayes pada set data latih menghasilkan nilai akurasi 85,23 %, presisi sebesar 85,87 %, recall sebesar 85,23 % dan F-measure sebesar 85,50 %. Sedangkan pada set data uji menghasilkan nilai akurasi 87,6 %, presisi sebesar 98,1 %, recall sebesar 87,6 % dan F-measure sebesar 87,77 %. Reprocessing yang dilakukan dengan melakukan proses seleksi atribut dengan Regresi Logistik Stepwise Proceduredapat mempercepat waktu komputasi tetapi tidak meningkatkan performa hasil analisis. Sedangkan seleksi atribut dengan metode Correlation-Based Feature Selection Evaluatordapat meningkatkan performa klasifikasi Decision tree C4.5. Algoritma Decision tree C4.5 dan algoritma Naïve Bayesmampu memprediksi risiko kematian pada stroke perdarahan. Klasifikasi dengan algoritma Decision tree C4.5 dengan Nilai F-measure sebesar 90,37 %dan nilai akurasisebesar 90,5 % pada set data latih sedangkan algoritma Naïve Bayes menghasilkan nilai F-measure sebesar 87,77 % dan nilai akurasi sebesar 87,6 % pada set data uji. Variabel yang mempengaruhi secara bermakna terhadap risiko kematian pasien stroke perdarahan adalah perdarahan saluran cerna dan penurunan kesadaran. Prediksi risiko kematian pada pasien stroke perdarahan dengan menggunakan algoritma data mining masih sangat jarang dan sangat besar kemungkinan untuk digali supaya menghasilkan model prediksi terbaik. Kata kunci: prediksi risiko kematian, stroke perdarahan , Decision tree C4.5, Naïve Bayes
Item Type: | Thesis (S2 - Magister) | ||
---|---|---|---|
Contributor: |
|
||
Subjects: | 000 - Komputer, Informasi dan Referensi Umum > 000 Ilmu komputer, ilmu pengetahuan dan sistem-sistem > 005 Pemrograman komputer, program dan data | ||
Divisions: | Pascasarjana MTI > Magister Teknik Informatika | ||
Depositing User: | Resource Center Universitas Amikom Yogyakarta | ||
Date Deposited: | 17 Jan 2022 03:35 | ||
Last Modified: | 20 Jan 2022 07:52 | ||
URI: | http://eprints.amikom.ac.id/id/eprint/107 |
Actions (login required)
View Item |