Putra, I Made Arya Adinata Dwija (2023) PERBANDINGAN ALGORITMA NAIVE BAYES BERBASIS FEATURE SELECTION MENGGUNAKAN GAIN RATIO DENGAN BACKPROPAGATION NEURAL NETWORK DALAM MEMPREDIKSI KOMPLIKASI HIPERTENSI. Masters thesis, Universitas Pendidikan Ganesha.
![[img]](http://repo.undiksha.ac.id/style/images/fileicons/text.png) |
Text (COVER)
1929101002-COVER.pdf Download (639kB) |
|
Text (ABSTRAK)
1929101002-ABSTRAK.pdf Download (153kB) |
|
Text (BAB 1 PENDAHULUAN)
1929101002-BAB 1 PENDAHULUAN.pdf Download (103kB) |
|
Text (BAB 2 KAJIAN TEORI)
1929101002-BAB 2 KAJIAN TEORI.pdf Restricted to Repository staff only Download (285kB) | Request a copy |
|
Text (BAB 3 METODELOGI PENELITIAN)
1929101002-BAB 3 METODELOGI PENELITIAN.pdf Restricted to Repository staff only Download (240kB) | Request a copy |
|
Text (BAB 4 HASIL DAN PEMBAHASAN)
1929101002-BAB 4 HASIL DAN PEMBAHASAN.pdf Restricted to Repository staff only Download (471kB) | Request a copy |
|
Text (BAB 5 PENUTUP)
1929101002-BAB 5 PENUTUP.pdf Restricted to Repository staff only Download (32kB) | Request a copy |
|
Text (DAFTAR PUSTAKA)
1929101002-DAFTAR PUSTAKA.pdf Download (156kB) |
|
Text (LAMPIRAN)
1929101002-LAMPIRAN.pdf Download (1MB) |
Abstract
Hipertensi merupakan salah satu penyakit yang paling sering diderita oleh masyarakat, sehingga perlu pemanfaatan teknologi untuk menangani masalah tersebut. Untuk memprediksi penyakit komplikasi hipertensi dapat menggunakan model data mining. Penelitian ini bertujuan untuk menganalisis hasil klasifikasi algoritma naive bayes berbasis feature selection menggunakan gain ratio dibandingkan dengan metode backpropagation neural network dalam kasus prediksi komplikasi hipertensi. Penelitian ini dilakukan melalui beberapa tahapan yakni pengumpulan data, data preprocessing, modeling, dan tahap evaluasi. Data yang digunakan didapat dari data rekam medis pasien RSUD Kabupaten Buleleng, data tersebut kemudian diolah (preprocessing) sesuai dengan kebutuhan agar dapat digunakan dalam proses mining, kemudian data yang telah di preprocessing dilakukan proses mining menggunakan metode yang telah ditentukan, yang selanjutnya dapat dievaluasi menggunakan metode confusion matrix. Penelitian ini menunjukkan algoritma naive bayes gain ratio memiliki rata-rata akurasi 95%, algoritma naive bayes menghasilkan rata-rata akurasi 75%, sedangkan metode backpropagation neural network memiliki akurasi 93%. Jadi dari segi penggunaan sumber daya algoritma naive bayes gain ratio lebih efisien dibanding backpropagation neural network.
| Item Type: | Thesis (Masters) |
|---|---|
| Uncontrolled Keywords: | data mining, naive bayes, gain ratio, backpropagation neural network, hipertensi, komplikasi hipertensi |
| Subjects: | Q Science > QA Mathematics > QA75 Electronic computers. Computer science |
| Divisions: | Pascasarjana > Program Studi Ilmu Komputer (S2) |
| Depositing User: | I MADE ARYA ADINATA DWIJA PUTRA |
| Date Deposited: | 21 Jul 2023 09:22 |
| Last Modified: | 21 Jul 2023 09:22 |
| URI: | http://repo.undiksha.ac.id/id/eprint/16503 |
Actions (login required)
 |
View Item |