KOMPARASI AKURASI ALGORITMA SUPPORT VECTOR MACHINE (SVM), ADAPTIVE BOOSTING (ADABOOST), DAN BOOTSTRAP AGGREGATING (BAGGING) PADA PREDIKSI PENYAKIT STROKE

Astika, Delia Dwi (2023) KOMPARASI AKURASI ALGORITMA SUPPORT VECTOR MACHINE (SVM), ADAPTIVE BOOSTING (ADABOOST), DAN BOOTSTRAP AGGREGATING (BAGGING) PADA PREDIKSI PENYAKIT STROKE. S1 - Sarjana thesis, Universitas AMIKOM Yogyakarta.

	Text (COVER-ABSTRAK) COVER.pdf Download (1MB)
	Text (BAB I) BAB I.pdf Download (191kB)
	Text (BAB II) BAB II.pdf Restricted to Registered users only Download (632kB)
	Text (BAB III) BAB III.pdf Restricted to Registered users only Download (146kB)
	Text (BAB IV) BAB IV.pdf Restricted to Registered users only Download (467kB)
	Text (BAB V) BAB V.pdf Download (66kB)
	Text (DAFTAR PUSTAKA) Daftar Pustaka.pdf Restricted to Registered users only Download (222kB)
	Archive (SOURCE CODE) SOURCE CODE.zip Restricted to Repository staff only Download (377kB)
	Text (PUBLIKASI) Publikasi.pdf Restricted to Repository staff only Download (479kB)

Abstract

Stroke menjadi pembunuh terbesar kedua dan penyebab kecacatan ketiga di dunia. Stroke terjadi ketika suplai darah ke bagian otak terhenti karena gumpalan atau pembuluh darah yang pecah. Selama COVID-19 risiko mengalami stroke iskemik sekitar 5% dan stroke hemoragik lebih jarang terjadi, tetapi beberapa kasus telah dilaporkan. Satu dari empat orang terancam terkena stroke selama hidupnya. Dua pertiga dari stroke terjadi di negara berpenghasilan rendah dan menengah dimana usia rata-rata penderita adalah 15 tahun di bawah usia negara berpenghasilan tinggi. Data menunjukkan bahwa pasien di negara berpenghasilan rendah mengalami empat kali lipat tingkat kematian dan disabilitas terkait stroke. Teknologi berkembang dengan cepat untuk menangani masalah yang kompleks di bidang medis dengan menggunakan data dalam jumlah besar. Teknologi tersebut meningkatkan kualitas hidup dengan melakukan diagnosis dini dan mengoptimalkan pengobatan. Machine learning (ML) dapat memberikan prediksi yang lebih efisien dan akurat dibandingkan dengan metode inferensi statistik tradisional. Machine learning dapat digunakan untuk mengidentifikasi pasien dengan risiko tinggi stroke dengan menggunakan informasi dalam rekam medis sebelumnya. Penelitian ini bertujuan untuk membandingkan hasil akurasi dari algoritma Support Vector Machine (SVM), Adaptive Boosting (Adaboost) dan Bootstrap Aggregating (Bagging). Dataset yang digunakan berjumlah 5110 data yang dibagi menjadi 80% data latih dan 20% data uji. Hasil dari penelitian ini menunjukan bahwa prediksi stroke menggunakan Suport Vector Machine (SVM) memperoleh akurasi sebesar 92%, Adaptive Boosting (Adaboost) sebesar 92% dan Bootstrap Aggregating (Bagging) sebesar 96%. Dari hasil yang diperoleh tersebut Bootstrap Aggregating (Bagging) memberikan hasil akurasi yang cukup tinggi dari ketiga algoritma yang diusulkan dalam melakukan prediksi terhadap penyakit stroke.

Actions (login required)

View Item