Teknik Data Mining pada Prediksi Klasifikasi Jenis Penyakit Anemia

Amalia, Dita (2021) Teknik Data Mining pada Prediksi Klasifikasi Jenis Penyakit Anemia. 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 (818kB) | Preview
Preview	Text BAB_I.pdf Available under License Creative Commons Attribution Non-commercial Share Alike. Download (703kB) | Preview
Preview	Text BAB_II.pdf Available under License Creative Commons Attribution Non-commercial Share Alike. Download (874kB) | 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 (2MB)
Preview	Text BAB_V.pdf Available under License Creative Commons Attribution Non-commercial Share Alike. Download (823kB) | Preview
	Text LAMPIRAN.pdf Restricted to Registered users only Available under License Creative Commons Attribution Non-commercial Share Alike. Download (1MB)

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