Muhammad Noval Himawan, 4611418056 (2022) OPTIMASI ALGORITMA BACKPROPAGATION UNTUK KLASIFIKASI PENYAKIT GAGAL JANTUNG MENGGUNAKAN SMOTE DAN SELEKSI FITUR ALGORITMA GENETIKA. Under Graduates thesis, Universitas Negeri Semarang.

PDF - Published Version Restricted to Repository staff only Download (3MB) | Request a copy

Abstract

Penyakit gagal jantung merupakan sindrom klinis yang kompleks dan juga merupakan sindrom klinis yang disebabkan oleh beberapa gangguan dan cacat dari fungsi dari tubuh. Gagal jantung merupakan masalah kesehatan masyarakat yang sering ditemui dan lebih dari 23 juta kasus di seluruh dunia. Dengan demikian diagnosis dini penting untuk membantu mencegah penyakit gagal jantung. Salah satu metode diagnosis dini penyakit gagal jantung menggunakan Backpropagation. Akan tetapi, mayoritas algoritma klasifikasi sendiri memiliki kelemahan dalam menangani data yang memiliki ketidakseimbangan kelas dan data yang berdimensi tinggi. Pada penelitian ini, klasifikasi penyakit gagal jantung dilakukan menggunakan metode Algoritma Genetika untuk mengatasi data yang berdimensi tinggi, metode SMOTE untuk menangani ketidakseimbangan kelas, dan Backpropagation untuk klasifikasi. Hasil klasifikasi penelitian ini terdiri dari kelas positif dan negatif. Hasil akurasi yang didapatkan dari penelitian ini akan menjadi tolak ukur untuk mendiagnosis penyakit gagal jantung. Dari hasil penelitian ini, akurasi yang diperoleh dalam penerapan Algoritma Backpropagation tanpa proses seleksi fitur dan SMOTE mendapatkan akurasi sebesar 75%, sedangkan hasil penerapan seleksi fitur Algoritma Genetika pada Algoritma Backpropagation mendapatkan akurasi sebesar 78,33%. Sementara itu, dari penerapan Algoritma Backpropagation menggunakan Algoritma Genetika dan SMOTE menghasilkan akurasi paling tinggi dengan perolehan akurasi sebesar 89,02%. Hal tersebut menandakan adanya peningkatan sebesar 14% dari hasil klasifikasi menggunakan Algoritma Backpropagation. Penelitian ini dapat dimanfaatkan sebagai acuan peneliti selanjutnya dengan berfokus pada tahap preprocessing sehingga akurasi yang dihasilkan lebih baik.

Actions (login required)

View Item