Perbandingan dan Optimalisasi Algoritma Random Forest, C4.5, AdaBoost dan Hibrida C4.5-AdaBoost dalam Prediksi Penyakit Hepatitis

Prana Sadinala, Arya (2024) Perbandingan dan Optimalisasi Algoritma Random Forest, C4.5, AdaBoost dan Hibrida C4.5-AdaBoost dalam Prediksi Penyakit Hepatitis. Bachelor Thesis thesis, Universitas Multimedia Nusantara.

	PDF HALAMAN_AWAL.pdf Download (1MB)
	PDF BAB_I.pdf Download (409kB)
	PDF BAB_II.pdf Download (494kB)
	PDF BAB_III.pdf Download (423kB)
	PDF BAB_IV.pdf Restricted to Registered users only Download (1MB)
	PDF BAB_V.pdf Download (209kB)
	PDF DAFTAR_PUSTAKA.pdf Download (213kB)
	PDF LAMPIRAN.pdf Restricted to Registered users only Download (1MB)

Abstract

Hepatitis adalah kondisi peradangan hati yang disebabkan oleh berbagai faktor seperti virus, alkohol, atau penyakit autoimun. Ada beberapa jenis virus hepatitis, seperti: hepatitis a (hav), hepatitis b (hbv), hepatitis c (hcv), hepatitis d (hdv), dan hepatitis e (hev). Penting untuk dapat mengidentifikasi dan memprediksi risiko hepatitis secara dini agar tindakan pencegahan dan penanganan yang tepat dapat dilakukan. Penelitian ini bertujuan untuk memprediksi penyakit Hepatitis dengan menggunakan pendekatan Machine Learning berdasarkan data pasien yang diperoleh dari RSUD Kota Tangerang. Dataset yang digunakan dalam penelitian ini bersumber dari RSUD secara langsung pada Maret 2024. Dataset digunakan dengan rentang waktu bulan Januari tahun 2019 hingga bulan Desember tahun 2023 yang meliputi berbagai parameter klinis yang relevan seperti hasil rekam medis cek lab darah dan hati. Penggunaan algoritma diuji mencakup Random Forest, C4.5, AdaBoost, dan hibrida C4.5-AdaBoost. C4.5 adalah algoritma konstruksi pohon keputusan pada bidang data mining yang sedang berkembang, tetapi telah digunakan sejak lama di berbagai bidang. AdaBoost adalah pendekatan pembelajaran mesin yang meningkatkan akurasi aturan prediktif dengan menggabungkan banyak aturan yang relatif lemah dan tidak akurat. Hasil penelitian menunjukkan bahwa penggunaan algoritma pemodelan tanpa optimalisasi peniliti menyarankan menggunakan Random Forest berdasarkan tingkat ROC yang sempurna, dan keempat pemodelan dengan menggunakan optimalisasi dapat menjadi pilihan lainnya, dikarenakan setiap pemodelan memiliki tingkat yang sempurna dalam memprediksi penyakit hepatitis.

Item Type:	Thesis (Bachelor Thesis)
Keywords:	AdaBoost, C4.5, Penyakit Hepatitis, Hibrida C4.5-AdaBoost, Random Forest
Subjects:	?? T70 ??
Divisions:	Faculty of Engineering & Informatics > Information System
SWORD Depositor:	Administrator UMN Library
Depositing User:	Administrator UMN Library
Date Deposited:	11 Nov 2024 09:20
Last Modified:	11 Nov 2024 09:20
URI:	https://kc.umn.ac.id/id/eprint/34217

Actions (login required)

View Item