Al-Baity, Fayruz (2014) Pembangkitan Aturan Fuzzy Menggunakan Metode Subtractive Clustering Untuk Deteksi Dini Risiko Penyakit Stroke. Sarjana thesis, Universitas Brawijaya.
Abstract
Stroke merupakan penyakit penyebab cacat nomor satu dan penyebab kematian nomor dua (setelah penyakit jantung) di dunia. Orang yang berpotensi terkena stroke dapat terhindar apabila menyadari dan mengatasi faktor risiko tersebut sejak dini. Beberapa faktor risiko utama yang mempengaruhi risiko penyakit stroke yaitu tekanan darah, umur, jenis kelamin, kolesterol, serta riwayat diabetes. Bagi para ahli terkadang sulit untuk mendiagnosis penyakit stroke karena adanya beberapa faktor risiko yang mempengaruhi. Oleh karena itulah diperlukan suatu metode inferensi sebagai pendukung keputusan seseorang tersebut berisiko terkena penyakit stroke atau tidak. Aturan yang berasal dari pakar dapat digantikan dengan menggunakan algoritma clustering . Dalam penelitian ini diimplementasikan algoritma subtractive clustering sebagai media pembelajaran untuk membangkitkan aturan fuzzy . Penelitian ini menggunakan data rekam medik pasien terkena stroke pada rumah sakit XYZ yang berasal dari penelitian sebelumnya. Data rekam medik terdiri 109 data latih dan 30 data uji. Pembangkitan aturan diawali dengan proses clustering yang kemudian dilakukan analisa varian. Hasil cluster dengan nilai varian terkecil digunakan dalam proses ekstraksi aturan fuzzy . Semakin kecil nilai varian suatu cluster , maka semakin ideal cluster tersebut. Pembentukan aturan yang didapat dari hasil subtractive clustering digabungkan dengan model inferensi Takagi Sugeno Kang orde-satu. Pada pengujian pembentukan aturan didapatkan jumlah aturan terbaik, yaitu 3 aturan. Sedangkan pada pengujian akurasi didapatkan akurasi terbaik sebesar 93,33% pada jumlah aturan sebanyak 3.
English Abstract
Stroke is a disease the number one cause of disability and the number two cause of death (after heart disease) in the world. People potentially affected by a stroke can be avoided if he is aware of it and can overcome the risk factor early. Some of the main risk factors that affect stroke are blood pressure, age, sex, colesterol, and history of diabetes. It is sometimes difficult for experts to diagnose the Stroke because of the so many risk factors. Therefore it is necessary to have the inference method to support the decision whether someone is affected stroke-risk or not. The rules from the experts can be replaced by using clustering algorithm. In this paper, subtractive clustering algorithm has been implemented as learning media to generate of fuzzy rules. This paper used the medical records of stroke patients in XYZ hospital were derived from previous research. It is consist of 109 training data and 30 testing data. Generating rules begins with the process of clustering and then analyzed variance. The cluster results with the smallest value of the variance used in the extraction of fuzzy rules. The smaller the value of the variance of a cluster, more ideal it is. The rules taken from subtractive clustering algorithm is combined with Takagi Sugeno Kang inference model first-order. On generating rules testing result the best rule obtained are 3 rules. While the testing result appears the best accuracy of 93,33% with 3 rules.
| Item Type: | Thesis (Sarjana) |
|---|---|
| Identification Number: | SKR/FTIK/2014/244/051407741 |
| Subjects: | 000 Computer science, information and general works > 005 Computer programming, programs, data |
| Divisions: | Fakultas Ilmu Komputer > Teknik Informatika |
| Depositing User: | Hasbi |
| Date Deposited: | 20 Nov 2014 13:52 |
| Last Modified: | 09 Nov 2021 02:49 |
| URI: | http://repository.ub.ac.id/id/eprint/146035 |
Preview |
Text
PEMBANGKITAN_ATURAN_FUZZY_MENGGUNAKAN_METODE_SUBTRACTIVE_CLUSTERING_UNTUK_DETEKSI_DINI_RISIKO_PEN.pdf Download (4MB) | Preview |
Actions (login required)
 |
View Item |