Amalia, Dita (2021) Teknik Data Mining pada Prediksi Klasifikasi Jenis Penyakit Anemia. Bachelor Thesis thesis, Universitas Multimedia Nusantara.
Abstract
Anemia dapat dicegah dan ditangani berdasarkan jenis-jenis penyakit anemia untuk menyesuaikan kebutuhan dan perawatan nya. Anemia juga dapat diprediksi berdasarkan faktor utama yang dapat mendeteksi penyakit ini yaitu data Complete Blood Count. Penderita anemia dapat dianalisa dengan memanfaatkan data demografi untuk melakukan mitigasi lebih lanjut terkait data penderitanya. Untuk menanggulangi masalah tersebut, maka dilakukan pembuatan model prediksi klasifikasi data mining dengan memanfaatkan framework CRISP-DM yang terdiri dari 6 tahapan. Penelitian ini membandingkan tiga algoritma supervised learning yaitu Naïve Bayes, J48 Decision Tree, dan Random Forest dengan menggunakan tools RapidMiner. Penilaian performa algoritma paling optimal dilihat berdasarkan hasil akurasi, rata-rata sensitivitas dan rata-rata presisi. Hasil yang didapatkan setelah melakukan perbandingan pembuatan model menyimpulkan bahwa J48 Decision Tree mempunyai hasil yang paling optimal, dilanjutkan dengan Random Forest dan Naïve Bayes. Hasil analisis jumlah jenis anemia tertinggi ada pada jenis anemia of reneal disease dan anemia kronis dengan persentase terbesar ada pada jenis kelamin wanita.
Item Type: | Thesis (Bachelor Thesis) |
---|---|
Keywords: | Anemia, Data mining, J48 Decision Tree, Naïve Bayes, Random Forest |
Subjects: | 000 Computer Science, Information and General Works > 000 Computer Science, Knowledge and Systems > 006 Special Computer Methods |
Divisions: | Faculty of Engineering & Informatics > Information System |
SWORD Depositor: | Administrator UMN Library |
Depositing User: | Administrator UMN Library |
Date Deposited: | 24 Aug 2021 11:28 |
Last Modified: | 05 Jul 2023 02:30 |
URI: | https://kc.umn.ac.id/id/eprint/17964 |
Actions (login required)
![]() |
View Item |