Klasifikasi Diagnosa Virus Covid-19 Menggunakan Adaptive Ant Colony Optimization dan Random Forest

Leopold, James (2022) Klasifikasi Diagnosa Virus Covid-19 Menggunakan Adaptive Ant Colony Optimization dan Random Forest. Bachelor Thesis thesis, Universitas Multimedia Nusantara.

Preview	PDF HALAMAN_AWAL.pdf Download (981kB) | Preview
Preview	PDF DAFTAR_PUSTAKA.pdf Download (213kB) | Preview
Preview	PDF BAB_I.pdf Download (209kB) | Preview
Preview	PDF BAB_II.pdf Download (366kB) | Preview
Preview	PDF BAB_III.pdf Download (337kB) | Preview
	PDF BAB_IV.pdf Restricted to Registered users only Download (922kB)
Preview	PDF BAB_V.pdf Download (203kB) | Preview
	PDF LAMPIRAN.pdf Restricted to Registered users only Download (3MB)

Abstract

Teknologi informasi berkembang dengan pesat, efisiensi dan kepraktisan adalah hal yang berpengaruh dalam perkembangan teknologi informasi. Dunia medis adalah salah satu bidang yang terpengaruhi oleh perkembangan teknologi, hal yang dulunya sulit dicapai sekarang dapat diselesaikan dengan teknologi yang dapat membantu dalam eksekusi atau analisis. Salah satu masalah yang dihadapi sejak tahun 2020 adalah penyebaran virus COVID-19 di seluruh dunia termasuk Indonesia. Terdapat berbagai cara untuk mengaplikasikan teknologi dalam dunia medis, salah satunya adalah menggunakan mesin cerdas yang dapat memberi prediksi penyakit yang disebabkan oleh gejala-gejala. Penelitian sebelumnya telah mengembangkan model prediksi kanker payudara menggunakan Ant Colony Optimization (ACO). Pada penelitian ini model dibuat menggunakan Random Forest Classifier, model yang dibuat dalam penelitian mengimplementasi Adaptive ACO sebagai Feature Selection mengurangi rata-rata 50% fitur pada model Random Forest dan mendapatkan performa akurasi dengan rata-rata sebesar 80% secara konsisten dibanding dengan tidak memakai Feature Selection yang menghasilkan nilai akurasi bersifat tidak konsisten dengan titik nilai akurasi terendah 50% dan tertinggi 95% karena kasus overfitting.

Item Type:	Thesis (Bachelor Thesis)
Keywords:	Adaptive, Ant Colony Optimization, Random Forest Classifier
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++
Divisions:	Faculty of Engineering & Informatics > Informatics
SWORD Depositor:	Administrator UMN Library
Depositing User:	Administrator UMN Library
Date Deposited:	20 Jul 2022 03:19
Last Modified:	23 Aug 2023 07:35
URI:	https://kc.umn.ac.id/id/eprint/21636

Actions (login required)

View Item