OPTIMASI ALGORITMA DATA MINING MENGGUNAKAN BACKWARD ELIMINATION UNTUK KLASIFIKASI PENYAKIT DIABETES

Wiratama, Muhammad Abid (2022) OPTIMASI ALGORITMA DATA MINING MENGGUNAKAN BACKWARD ELIMINATION UNTUK KLASIFIKASI PENYAKIT DIABETES. S1 - Sarjana thesis, Universitas AMIKOM Yogyakarta.

	Text (COVER-ABSTRAK) COVER.pdf Download (586kB)
	Text (BAB I) BAB I.pdf Download (538kB)
	Text (BAB II) BAB II.pdf Restricted to Registered users only Download (1MB)
	Text (BAB III) BAB III.pdf Restricted to Registered users only Download (518kB)
	Text (BAB IV) BAB IV.pdf Restricted to Registered users only Download (1MB)
	Text (BAB V) BAB V.pdf Download (77kB)
	Text (DAFTAR PUSTAKA) Daftar Pustaka.pdf Restricted to Registered users only Download (198kB)
	Archive (SOURCE CODE) Source Code-18.11.1938-Muhammad Abid Wiratama.zip Restricted to Repository staff only Download (162kB)
	Text (PUBLIKASI) Publikasi-18.11.1938-Muhammad Abid Wiratama.pdf Restricted to Repository staff only Download (727kB)

Abstract

Diabetes Mellitus (DM) adalah penyakit metabolik kronis yang ditandai dengan peningkatan kadar gula darah, yang dengan seiring berjalannya waktu akan menyebabkan kerusakan pada organ tubuh lainnya. Menurut situs resmi Word Health Organization (WHO) sekitar 422 juta orang di seluruh dunia menderita diabetes. Di Indonesia sendiri menurut situs databox, Indonesia menempati urutan ke-5 kasus diabetes terbanyak di dunia. Keterlambatan dalam diagnosis penyakit diabetes adalah satu penyebab terjadinya lonjakan jumlah kematian maka dari itu tindakan awal yang harus dilakukan adalah deteksi dini.. Dari banyaknya kasus tersebut maka dihasilkan data pasien diabetes yang dapat diolah sehingga penelitian ini dibuat untuk mengetahui algoritma klasifikasi terbaik yang mempunyai nilai akurasi dan nilai AUC tertinggi untuk melakukan deteksi dini penyakit diabetes. Algoritma yang akan teliti adalah algoritma KNN, Naïve Bayes, dan C4.5. Algoritma akan dilakukan optimasi menggunakan metode backward elimination. Backward Elimination dilakukan untuk mengoptimalkan hasil akurasi dari kinerja algoritma. Penelitian ini akan dilakukan menggunakan metode CRISP-DM yaitu salah satu framework untuk melakukan data mining. Setelah melalui tahapan-tahapan metode CRISP-DM, hasil penelitian adalah algoritma KNN sebelum dioptimasi mendapatkan akurasi 0,928 dan nilai auc 0,942, sedangkan setelah dioptimasi mendapatkan akurasi 0,976 dan nilai auc 0,973, algoritma Naïve Bayes sebelum dioptimasi mendapatkan akurasi 0,880 dan nilai auc 0,912, sedangkan setelah dioptimasi mendapatkan akurasi 0,894 dan nilai auc 0,958, algoritma C4.5 sebelum dioptimasi mendapatkan akurasi 0,967 dan nilai auc 0,956, sedangkan setelah dioptimasi mendapatkan akurasi 0,975 dan nilai auc 0,988. Sehingga kesimpulan dari penilitian ini adalah bahwasanya algoritma terbaik dari segi akurasi adalah algoritma KNN yang sudah dioptimasi dengan nilai akurasi 0,976 dan dari segi nilai auc yang dihasilkan adalah algoritma C4.5 yang sudah dioptimasi dengan nilai auc 0,988.

Actions (login required)

View Item