Peningkatan Kinerja Metode Naïve Bayes Menggunakan Adaboost Untuk Klasifikasi Pada Dataset Penyakit Diabetes Melitus Tipe II

Mahendra, I Gusti Agung Putu (2024) Peningkatan Kinerja Metode Naïve Bayes Menggunakan Adaboost Untuk Klasifikasi Pada Dataset Penyakit Diabetes Melitus Tipe II. Masters thesis, Universitas Pendidikan Ganesha.

[img] Text (COVER)
2129101059-COVER.pdf
Download (2MB)
[img] Text (ABSTRAK)
2129101059-ABSTRAK.pdf
Download (2MB)
[img] Text (BAB 1 PENDAHULUAN)
2129101059-BAB 1 PENDAHULUAN.pdf
Download (2MB)
[img] Text (BAB 2 KAJIAN TEORI)
2129101059-BAB 2 KAJIAN TEORI.pdf
Restricted to Repository staff only
Download (2MB) | Request a copy
[img] Text (BAB 3 METODELOGI PENELITIAN)
2129101059-BAB 3 METODELOGI PENELITIAN.pdf
Restricted to Repository staff only
Download (2MB) | Request a copy
[img] Text (BAB 4 HASIL DAN PEMBAHASAN)
2129101059-BAB 4 HASIL DAN PEMBAHASAN.pdf
Restricted to Repository staff only
Download (2MB) | Request a copy
[img] Text (BAB 5 PENUTUP)
2129101059-BAB 5 PENUTUP.pdf
Restricted to Repository staff only
Download (2MB) | Request a copy
[img] Text (DAFTAR PUSTAKA)
2129101059-DAFTAR PUSTAKA.pdf
Download (2MB)
[img] Text (LAMPIRAN)
2129101059-LAMPIRAN.pdf
Download (2MB)

Abstract

.Pemanfaatan teknologi, terutama di ilmu kesehatan, semakin disesuaikan dengan penggunaan model machine learning. Penerapan pembelajaran mesin dapat menyederhanakan proses prediksi dan penanganan penyakit. Terdapat beberapa metode yang digunakan dalam klasifikasi penyakit diabetes melitus adalah Random Forest, Naïve Bayes, Id3, C4.5 dan lain-lain. Optimasi Naïve Bayes dengan Adaboost diperlukan karena meskipun Naïve Bayes memiliki keunggulan minim parameter, namun rentan terhadap akurasi yang terpengaruh oleh jumlah fitur yang terlalu banyak. Adaboost digunakan untuk mengatasi sensitivitas terhadap jumlah fitur yang berlebihan, meningkatkan performa model, dan mengoptimalkan kemampuannya menghadapi dataset yang kompleks. Penelitian ini bertujuan untuk menganalisis hasil klasifikasi metode Naive Bayes dengan bantuan metode Adaboost. Penelitian ini memiliki tahapan yang terdiri dari pengumpulan data, data preprocessing, modeling, dan tahap evaluasi. Data yang digunakan berasal dari rekam medis pasien Puskesmas I, II, III Kecamatan Mengwi. Data tersebut telah diolah (preprocessing) dengan langkah-langkah seperti menghapus nilai kosong, memeriksa konsistensi data, dan memperbaiki kesalahan penulisan dan format yang tidak seragam. Proses klasifikasi menggunakan metode Naïve Bayes dan Naïve Bayes dengan Adaboost, yang selanjutnya dievaluasi menggunakan confusion matrix. Dalam pengujian, dua skenario digunakan: Naïve Bayes dan Naïve Bayes berbasis Adaboost. Algoritma-algoritma tersebut diimplementasikan langsung pada dataset dengan menggunakan cross validation dengan nilai k-fold 5 dan k-fold 10. Hasil evaluasi menunjukkan bahwa metode Naïve Bayes mengalami peningkatan akurasi sebesar 5.92% pada k-fold 5 dan 5.93% pada k-fold 10 pada dataset dengan 890 data, metode Naïve Bayes mengalami peningkatan dengan penambahan metode Adaboost dalam klasifikasi penyakit diabetes terbukti memberikan nilai akurasi yang lebih tinggi dibandingkan dengan Naïve Bayes tanpa Adaboost.

Item Type: Thesis (Masters)
Uncontrolled Keywords: Diabetes, Naïve Bayes, Adaboost, Cross Validation, Confussion Matrix
Subjects: Q Science > QA Mathematics > QA75 Electronic computers. Computer science
Divisions: Pascasarjana > Program Studi Ilmu Komputer (S2)
Depositing User: I Gusti Agung Putu Mahendra
Date Deposited: 05 Feb 2024 07:00
Last Modified: 05 Feb 2024 07:00
URI: http://repo.undiksha.ac.id/id/eprint/18414

Actions (login required)

View Item View Item