Perbandingan Kinerja Algoritma Data Mining Berbasis Teknik Feature Selection dalam Mendeteksi Penyakit Ginjal Kronis

Prizcillya, Michelle (2021) Perbandingan Kinerja Algoritma Data Mining Berbasis Teknik Feature Selection dalam Mendeteksi Penyakit Ginjal Kronis. Bachelor Thesis thesis, Universitas Multimedia Nusantara.

	Text HALAMAN_AWAL.pdf Restricted to Registered users only Available under License Creative Commons Attribution Non-commercial Share Alike. Download (1MB)
Preview	Text DAFTAR_PUSTAKA.pdf Available under License Creative Commons Attribution Non-commercial Share Alike. Download (1MB) | Preview
Preview	Text BAB_I.pdf Available under License Creative Commons Attribution Non-commercial Share Alike. Download (882kB) | Preview
Preview	Text BAB_II.pdf Available under License Creative Commons Attribution Non-commercial Share Alike. Download (1MB) | Preview
Preview	Text BAB_III.pdf Available under License Creative Commons Attribution Non-commercial Share Alike. Download (1MB) | Preview
	Text BAB_IV.pdf Restricted to Registered users only Available under License Creative Commons Attribution Non-commercial Share Alike. Download (1MB)
Preview	Text BAB_V.pdf Available under License Creative Commons Attribution Non-commercial Share Alike. Download (748kB) | Preview
	Text LAMPIRAN.pdf Restricted to Registered users only Available under License Creative Commons Attribution Non-commercial Share Alike. Download (1MB)

Abstract

Penyakit ginjal kronis atau PGK adalah hilangnya fungsi ginjal secara bertahap dari waktu ke waktu. PGK disebut sebagai "silent killer" sebab pasien yang terkena PGK tidak menyadari bahwa mereka terkena PGK karena PGK tidak mempunyai gejala di tahapan awal. Atribut yang diperlukan untuk melakukan tes kesehatan untuk PGK juga cukup banyak sehingga membutuhkan biaya yang lumayan mahal. oleh karena itu PGK dapat dicegah, ditanggulangi dan kemungkinan mendapatkan perawatan yang efektif akan lebih besar jika sudah diketahui sedari awal serta dapat menghemat biaya pengobatan sehingga dibuatnya model untuk mempermudah dalam melakukan deteksi PGK. Proses penelitian ini akan menggunakan data science tools Rapid Miner dan proses data mining dengan kerangka kerja CRISP-DM untuk melakukan perbandingan penggunaan yaitu K-Nearest Neighbour(K-NN), decision tree serta logistic regression berbasis teknik feature selection sebagai teknik untuk pemilihan atribut yang relevan dalam sebuah dataset dan untuk melakukan pemilihan dan reduksi data maka teknik feature selection yang digunakan adalah forward selection dan backward elimination yang akan dibandingkan hasilnya. Hasil dari penelitian ini menyimpulkan bahwa teknik feature selection terbukti meningkatkan akurasi pada penggunaan algoritma K-NN, decision tree dan logistic regression sedangkan algoritma terbaik untuk forward selection itu adalah decision tree dan backward elimination adalah logistic regression.

Item Type:	Thesis (Bachelor Thesis)
Keywords:	backward elimination, decision tree, forward selection, k-nearest neighbour , logistic regression
Subjects:	000 Computer Science, Information and General Works > 000 Computer Science, Knowledge and Systems > 005 Computer Programming > 005.2 Programming for Specific Computers, Algorithm, HTML, PHP, java, C++ 000 Computer Science, Information and General Works > 000 Computer Science, Knowledge and Systems > 006 Special Computer Methods > 006.3 Artificial Intelligence, Machine Learning, Pattern Recognition, Data Mining
Divisions:	Faculty of Engineering & Informatics > Information System
SWORD Depositor:	Administrator UMN Library
Depositing User:	Administrator UMN Library
Date Deposited:	24 Aug 2021 12:14
Last Modified:	03 Aug 2023 01:55
URI:	https://kc.umn.ac.id/id/eprint/17814

Actions (login required)

View Item