Klasifikasi Individu yang Terpapar Covid-19 Berdasarkan Gejala Menggunakan Algoritma Random Forest

Yohanes Wowiling, Teofilus (2022) Klasifikasi Individu yang Terpapar Covid-19 Berdasarkan Gejala Menggunakan Algoritma Random Forest. Bachelor Thesis thesis, Universitas Multimedia Nusantara.

Preview	PDF HALAMAN_AWAL.pdf Download (2MB) | Preview
Preview	PDF DAFTAR_PUSTAKA.pdf Download (208kB) | Preview
Preview	PDF BAB_I.pdf Download (209kB) | Preview
Preview	PDF BAB_II.pdf Download (393kB) | Preview
Preview	PDF BAB_III.pdf Download (1MB) | Preview
	PDF BAB_IV.pdf Restricted to Registered users only Download (6MB)
Preview	PDF BAB_V.pdf Download (200kB) | Preview
	PDF LAMPIRAN.pdf Restricted to Registered users only Download (1MB)

Abstract

Coronavirus diseases atau yang lebih dikenal dengan Covid-19 merupakan virus jenis baru yang disebabkan oleh virus SARS-Cov-2. Penyebaran Covid-19 berlangsung sangat cepat, yang tentunya mengancam hidup setiap individu. Orang yang telah terinfeksi dengan Covid-19 akan mengalami gejala ringan, atau berat dan bahkan bisa sampai menyebabkan kematian. Gejala Covid-19 dan varianya memiliki kemiripan dengan penyakit Influenza serta Pneumonia, yang menyebabkan orang yang telah terinfeksi Covid-19 terkadang sulit untuk menyadari bahwa dirinya telah terinfeksi. Oleh karena itu dibuat suatu aplikasi berbasis website dengan mengimplementasikan machine learning dengan menggunakan algoritma Random Forest agar bisa mengklasifikasikan individu yang terpapar Covid-19 atau penyakit lain. Random Forest merupakan algoritma Supervised Learning dan merupakan salah satu Ensemble Learning. Algoritma Random Forest juga merupakan pengembangan dari algoritma Decision Tree. Dengan melakukan Tuning parameter, nilai terbaik Precision, Recall, F1-Score dan Accuracy yang didapat adalah 0.92, 0.82, 0.87, 86.77%. Sehingga aplikasi yang menerapkan algoritma Random Forest dapat melakukan klasifikasi individu yang terpapar Covid-19 atau penyakit yang lain.

Item Type:	Thesis (Bachelor Thesis)
Keywords:	Covid-19, Ensemble Learning, Machine Learning, Random Forest
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 07:07
Last Modified:	08 Aug 2023 02:44
URI:	https://kc.umn.ac.id/id/eprint/22510

Actions (login required)

View Item