Lisa Ariyanti, 4611418071 (2022) OPTIMASI ALGORITMA C4.5 DAN SUPPORT VECTOR MACHINE DENGAN MENERAPKAN PARTICLE SWARM OPTIMIZATION UNTUK DIAGNOSIS CHRONIC KIDNEY DISEASE. Under Graduates thesis, Universitas Negeri Semarang.

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

Abstract

Ginjal merupakan salah satu organ tubuh yang memiliki peran yang sangat penting dalam kehidupan kita. Fungsi utama ginjal adalah untuk mengekskresikan zat sisa metabolisme. Ginjal kronis merupakan salah akibat dari kehilangan fungsi ginjal secara bertahap. Ginjal kronis terjadi apabila ginjal tidak mampu mempertahankan lingkungan internal yang konsisten dengan kehidupan serta pemulihan fungsi yang tidak berguna. Data mining merupakan salah satu teknologi yang berkembang sangat pesat dalam ilmu biomedis dan penelitian. Dalam bidang kedokteran data mining dapat meningkatkan manajemen informasi rumah sakit dan pengembangan telemedicine. Pada proses data mining tahap pertama melakukan pengolahan data yang disebut dengan preprocessing dengan cara penanganan missing value dan transformasi data. Kemudian, dilakukan tahap seleksi fitur dengan menggunakan algoritma Particle Swarm Optimization untuk mencari atribut terbaik. Selanjutnya, dilakukan dengan cara pengklasifikasian dataset. Algoritma yang digunakan untuk klasifikasi adalah Algoritma C4.5 dan Support Vector Machine. Kedua klasifikasi tersebut dikenal sebagai algoritma yang memiliki tingkat akurasi yang cukup baik. Penelitian ini, menggunakan Chronic Kidney Disease dataset dari UCI machine learning repository. Tujuan penelitian ini adalah mengetahui tingkat akurasi perbandingan antara Algoritma C4.5 dan Support Vector Machine setelah menerapkan algoritma Particle Swarm Optimization. Penelitian ini meningkatkan akurasi sebesar 100% dan 98,75% untuk Algoritma C4.5 dan Support Vector Machine dengan menggunakan 24 atribut dan 1 class.

Actions (login required)

View Item