Optimalisasi Feature Selection Untuk Mendeteksi Penyakit Diabetes Mellitus Menggunakan Metode Decision Tree (Studi Kasus: Puskesmas Semendawai Barat).

Pameka, Aplea and Heriansyah, Rudi and widya astuti, lastri (2024) Optimalisasi Feature Selection Untuk Mendeteksi Penyakit Diabetes Mellitus Menggunakan Metode Decision Tree (Studi Kasus: Puskesmas Semendawai Barat). Masters thesis, Universitas Indo Global Mandiri.

[thumbnail of APLEA PAMEKA_2020110038_File cover-daftar isi.pdf] Text
APLEA PAMEKA_2020110038_File cover-daftar isi.pdf

Download (453kB)
[thumbnail of APLEA PAMEKA_2020110038_File full karya ilmiah.pdf] Text
APLEA PAMEKA_2020110038_File full karya ilmiah.pdf
Restricted to Repository staff only

Download (2MB) | Request a copy

Abstract

Diabetes atau juga dikenal sebagai diabetes mellitus, adalah penyakit kronis yang ditandai oleh tingginya kadar gula (glukosa) dalam darah. Penyebabnya berkaitan dengan masalah dalam produksi atau penggunaan insulin, hormon yang mengatur kadar gula darah. Penyakit diabetes mellitus tipe 2 merupakan masalah kesehatan yang semakin meningkat prevalensinya di seluruh dunia. Data riwayat medis dan karakteristik pasien, termasuk faktor-faktor seperti usia, jenis kelamin, riwayat penyakit keluarga, dan hasil tes laboratorium, dikumpulkan dari Puskesmas Semendawai Barat. Pada Penelitian ini menggunakan Feature selection dengan metode Information Gain dalam proses pemilihan subset fitur yang relevan dan didapatkan 5 fitur dengan nilai tertinggi. Selanjutnya, algoritma klasifikasi Decision Tree diterapkan pada subset fitur terpilih dan mendapatkan tingkat akurasi sebesar 96% dimana hasil ini konsisten dengan hasil tingkat akurasi yang hanya menggunakan algoritma decision tree tanpa melibatkan feature selection yaitu sebesar 96%.

Item Type: Thesis (Masters)
Subjects: R Medicine > R Medicine (General)
T Technology > T Technology (General)
Divisions: Fakultas Ilmu Komputer > Teknik Informatika S1
Depositing User: mrs Aplea Pameka
Date Deposited: 05 Mar 2024 08:19
Last Modified: 05 Mar 2024 08:19
URI: http://repository.uigm.ac.id/id/eprint/1853

Actions (login required)

View Item
View Item