Nugraha, Dias Setya (2025) ANALISIS KINERJA ALGORITMA REGRESI LOGISTIK, RANDOM FOREST, DAN NAIVE BAYES UNTUK KLASIFIKASI DATA MEDIS PENYAKIT STROKE. S1 - Sarjana thesis, Universitas AMIKOM Yogyakarta.
![[img]](https://eprints.amikom.ac.id//style/images/fileicons/text.png) |
Text (COVER-ABSTRAK)
COVER.pdf Download (1MB) |
|
Text (BAB I)
BAB I.pdf Download (228kB) |
|
Text (BAB II)
BAB II.pdf Restricted to Registered users only Download (639kB) |
|
Text (BAB III)
BAB III.pdf Restricted to Registered users only Download (784kB) |
|
Text (BAB IV)
BAB IV.pdf Restricted to Registered users only Download (1MB) |
|
Text (BAB V)
BAB V.pdf Download (182kB) |
|
Text (DAFTAR PUSTAKA)
Daftar Pustaka.pdf Restricted to Registered users only Download (116kB) |
![[img]](https://eprints.amikom.ac.id//style/images/fileicons/archive.png) |
Archive (SOURCE CODE)
Sourcecode - 20.11.3615.zip Restricted to Repository staff only Download (852kB) |
|
Text (PUBLIKASI)
Publikasi.pdf Restricted to Repository staff only Download (559kB) |
Abstract
Penelitian ini bertujuan untuk menganalisis kinerja tiga algoritma klasifikasi, yaitu Regresi Logistik, Random Forest, dan Naive Bayes, dalam mengklasifikasikan data medis. Dalam dunia medis, proses klasifikasi data sangat penting untuk meningkatkan akurasi diagnosis penyakit, namun pemilihan algoritma yang tepat sering kali menjadi tantangan karena adanya variasi dalam kompleksitas dan karakteristik data. Metode yang digunakan dalam penelitian ini adalah evaluasi kinerja ketiga algoritma menggunakan beberapa parameter, seperti akurasi, recall, precision, dan F1-Score, dengan menggunakan dataset medis yang berisi informasi tentang pasien yang berisiko terkena penyakit. Hasil penelitian menunjukkan bahwa setiap algoritma memiliki keunggulan dan kelemahan dalam hal kinerja pada dataset tertentu. Regresi Logistik memberikan interpretasi yang mudah, namun Random Forest lebih unggul dalam menangani data dengan hubungan non-linear, sementara Naive Bayes bekerja dengan baik pada dataset yang relatif sederhana. Hasil akhir dari penelitian ini memberikan gambaran yang jelas tentang algoritma mana yang paling efektif dalam konteks klasifikasi data medis dan dapat digunakan sebagai acuan dalam pemilihan algoritma untuk aplikasi di bidang kesehatan. Penelitian ini dapat dimanfaatkan oleh profesional kesehatan dan peneliti dalam mengoptimalkan penggunaan algoritma untuk analisis data medis.
| Item Type: | Thesis (S1 - Sarjana) | ||
|---|---|---|---|
| Contributor: |
|
||
| Uncontrolled Keywords: | Regresi Logistik, Random Forest, Naive Bayes, Klasifikasi Data Medis, Kinerja Algoritma | ||
| Subjects: | 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: | Fakultas Ilmu Komputer > Informatika | ||
| Depositing User: | RC Universitas AMIKOM Yogyakarta | ||
| Date Deposited: | 16 Apr 2025 07:18 | ||
| Last Modified: | 16 Apr 2025 07:18 | ||
| URI: | http://eprints.amikom.ac.id/id/eprint/29451 |
Actions (login required)
 |
View Item |