PENERAPAN METODE CORRELATED NAÏVE BAYES CLASSIFIER MENGGUNAKAN SELEKSI FITUR INFORMATION GAIN UNTUK KLASIFIKASI PENYAKIT JANTUNG

Setiani, Hani (2022) PENERAPAN METODE CORRELATED NAÏVE BAYES CLASSIFIER MENGGUNAKAN SELEKSI FITUR INFORMATION GAIN UNTUK KLASIFIKASI PENYAKIT JANTUNG. S2 - Magister thesis, Universitas AMIKOM Yogyakarta.

[img] Text (THESIS)
20.51.1288 Hani Setiani.pdf

Download (3MB)

Abstract

Penyakit jantung atau penyakit kardiovaskular merupakan salah satu penyakit tidak menular (PTM) paling mematikan. Pada tahun 2008, sekitar 17,3 juta kematian akibat penyakit kardiovaskular diperkirakan akan terus meningkat mencapai 23,3 juta kematian pada tahun 2030. Pentingnya keputusan klinis dalam catatan pasien yang terkomputerisasi dapat mengurangi kesalahan medis selama melakukan diagnosis. Teknik data mining memiliki potensi untuk menciptakan lingkungan yang kaya pengetahuan, sehingga dapat membantu meningkatkan kualitas pengambilan keputusan klinis. Tujuan dari penelitian ini adalah melakukan teknik klasifikasi data mining menggunakan metode Correlated Naïve Bayes Classifier dengan menerapkan seleksi fitur Information Gain untuk klasifikasi penyakit jantung. Metode Correlated Naïve Bayes Classifier ini dipilih karena berpotensi memiliki nilai akurasi tinggi dengan cara menghitung nilai korelasi value attribut terhadap class, sehingga yang menjadi dasar ketepatan klasifikasi tidak hanya probability tetapi juga seberapa besar hubungan (korelasi) attribute dengan class. Sedangkan seleksi fitur information gain dipilih untuk mengurangi fitur yang tidak relevan. Pengujian yang dilakukan menggunakan empat tahap yaitu Naïve Bayes, Naïve Bayes dengan seleksi fitur Information Gain, Correlated Naïve Bayes Classifier, dan Correlated Naïve Bayes Classifier dengan seleksi fitur Information Gain. Berdasarkan beberapa hasil pengujian menggunakan 6 atribut yaitu cp, thal, ca, exang, slope dan num yang telah dilakukan akurasi terbaik terdapat pada metode Correlated Naïve Bayes Classifier dengan seleksi fitur Information Gain sebesar 91,20%.

Item Type: Thesis (S2 - Magister)
Contributor:
Pembimbing
Sunyoto, Andi
Nasiri, Asro
Uncontrolled Keywords: Correlated Naïve Bayes, Seleksi fitur, Information Gain, dan Penyakit jantung
Subjects: 000 - Komputer, Informasi dan Referensi Umum > 000 Ilmu komputer, ilmu pengetahuan dan sistem-sistem > 000 Ilmu komputer, informasi dan pekerjaan umum
000 - Komputer, Informasi dan Referensi Umum > 000 Ilmu komputer, ilmu pengetahuan dan sistem-sistem > 004 Pemrosesan data dan ilmu komputer
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: RC Universitas AMIKOM Yogyakarta
Date Deposited: 11 Jul 2023 07:00
Last Modified: 11 Jul 2023 07:00
URI: http://eprints.amikom.ac.id/id/eprint/20264

Actions (login required)

View Item View Item