komparasi penerapan metode Bagging dan Adaboost pada Algoritma c4.5 untuk prediksi Penyakit Stroke

This item is published by Universitas Islam Negeri Sunan Ampel Surabaya

Saputri, Nur Diana (2021) komparasi penerapan metode Bagging dan Adaboost pada Algoritma c4.5 untuk prediksi Penyakit Stroke. Undergraduate thesis, UIN Sunan Ampel Surabaya.

[img] Text
Nur Diana Saputri_H76217043.pdf

Download (3MB)

Abstract

Penyakit stroke merupakan gangguan fungsional otak yang disebabkan oleh tersumbatnya aliran peredaran darah. Secara global, stroke menjadi penyebab dari kematian dan kecacatan karena keterbatasan sumber daya dan ahli saraf. Oleh karena itu, diperlukan sistem klasifikasi data mining agar dapat membantu ahli saraf dalam menangani penyakit stroke. Penelitian ini bertujuan untuk memprediksi stroke agar dapat mengurangi risiko kematian dengan cara menerapkan metode klasifikasi data mining. Data yang digunakan untuk penelitian ini merupakan dataset stroke disease yang akan dianalisa menggunakan algoritma C4.5 dengan menerapkan metode bagging dan adaboost dari Ensemble Learning untuk memprediksi stroke. Hasil dari penelitian ini menunjukkan bahwa prediksi stroke menggunakan algoritma C4.5 mendapatkan nilai akurasi sebesar 92.87%. Sedangkan setelah dikombinasikan dengan metode bagging nilai akurasinya meningkat menjadi 95.02% dan setelah dikombinasikan dengan metode adaboost akurasinya meningkat menjadi 94.63%. Sehingga dapat disimpulkan bahwa penerapan metode bagging dan adaboost dapat meningkatkan kinerja dari algoritma C4.5. Namun peningkatan tersebut kurang signifikan karena hanya meningkat 3%.

Statistic

Downloads from over the past year. Other digital versions may also be available to download e.g. from the publisher's website.

Item Type: Thesis (Undergraduate)
Creators:
CreatorsEmailNIM
Saputri, Nur Diananurdianasaputrii@gmail.comH76217043
Contributors:
ContributionNameEmailNIDN
Thesis advisorRolliawati, Dwidwi-roll@uinsby.ac.id2027097901
Thesis advisorSyamsuri, Khalidkhalid@uinsby.ac.id197906092014031002
Subjects: Teknologi > Teknologi Informasi
Keywords: Klasifikasi; Stroke Disease; Decision Tree; Bagging, Adaboost.
Divisions: Fakultas Sains dan Teknologi > Studi Sistem Informasi
Depositing User: Nur Diana Saputri
Date Deposited: 27 Oct 2021 13:24
Last Modified: 27 Oct 2021 13:25
URI: http://digilib.uinsa.ac.id/id/eprint/50783

Actions (login required)

View Item View Item