Penerapan Metode Decision Tree dan Algoritme Genetika untuk Klasifikasi Risiko Penyakit Hipertensi

Sari, Selly Kurnia (2018) Penerapan Metode Decision Tree dan Algoritme Genetika untuk Klasifikasi Risiko Penyakit Hipertensi. Sarjana thesis, Universitas Brawijaya.

Abstract

Hipertensi adalah penyakit tanpa gejala yang terjadi pada sistem peredaran darah manusia dengan kenaikan tekanan darah diatas normal. World Heart Organization (WHO) mencatat bahwa sekitar dua pertiga dari satu miliar orang mederita penyakit hipertensi berada di negara berkembang. Di Indonesia, penderita hipertensi menjadi tantangan terbesar dalam menghadapinya. Hipertensi ini merupakan salah satu penyakit paling mematikan ketiga setelah stroke dan tuberkulosis yaitu mencapai 6,7% dari keseluruhan umur di Indonesia. Hal ini menunjukkan bahwa penyakit hipertensi di Indonesia membutuhkan perhatian yang serius sebagai upaya dalam menangani masalah ini. Penanganan sangat dibutuhkan sebagai langkah deteksi dini terhadap penyakit hipertensi. Dalam kaitannya dengan klasifikasi untuk deteksi penyakit hipertensi, metode yang dapat digunakan salah satunya adalah Decision Tree (DT). Namun pada penelitian sebelumnya metode DT menghasikan akurasi yang terbilang rendah. Untuk mengoptimalkan tingkat akurasi metode DT, maka digunakan Algoritme Genetika (GA). GA digunakan untuk menghasilkan aturan baru terhadap DT. Untuk mengetahui perbedaan hasil akurasi, maka dilakukan pengujian perbandingan DT-C4.5 dan DT-GA. Pengujian tersebut menggunakan data uji yang sama. Hasil pengujian menunjukkan algoritme DT-GA menghasilkan rata-rata akurasi tertinggi 84%, sedangkan algoritme DT-C4.5 menghasilkan rata-rata akurasi tertinggi 70,5%. Parameter-parameter terbaik menghasilkan akurasi terbaik adalah ukuran populasi 60, Cr = 0,3, Mr = 0,7, dengan jumlah generasi maksimal yang digunakan adalah 10. Dari hasil pengujian tersebut dapat disimpulkan bahwa GA dapat digunakan untuk menghasilkan aturan baru dari DT.

English Abstract

Hypertension is an asymptomatic disease that occurs in the human circulatory system with an increase in blood pressure above normal. The World Heart Organization (WHO) notes that around two thirds of one billion people suffering from hypertension are in developing countries. In Indonesia, people with hypertension are the biggest challenges in dealing with it. This hypertension is one of the third most deadly diseases after stroke and tuberculosis which reached 6.7% of the total age in Indonesia. This shows that hypertension in Indonesia needs serious attention as an effort to deal with this problem. Handling is needed as a step in early detection of hypertension. In relation to the classification for detection of hypertension, one method that can be used is the Decision Tree (DT). But in the previous study DT method produced a fairly low accuracy. To optimize the accuracy of the DT method, Genetic Algorithm (GA) is used. GA is used to generate new rules. To find out the difference in the results of accuracy, a comparison test of DT-C4.5 and DT-GA is conducted. The test uses the same test data. The test results show the DT-GA algorithm produces the highest average accuracy of 84%. While the DT-C4.5 algorithm produces the highest average accuracy of 70,5%. The best parameters to produce the best accuracy are population size 60, Cr = 0,3, Mr = 0,7, with the maximum number of generations used is 10. From the results of these tests it can be concluded that GA can be used to generate new rules from DT.

Item Type: Thesis (Sarjana)
Identification Number: SKR/FTIK/2018/1005/051900786
Uncontrolled Keywords: klasifikasi, hipertensi, decision tree, algoritme genetika-classification, hypertension, decision tree, genetic algorithm
Subjects: 600 Technology (Applied sciences) > 616 Diseases > 616.1 Diseases of cardiovascular system > 616.13 Diseases of blood vessels
Divisions: Fakultas Ilmu Komputer > Teknik Informatika
Depositing User: soegeng sugeng
Date Deposited: 28 Oct 2019 03:31
Last Modified: 18 May 2022 01:42
URI: http://repository.ub.ac.id/id/eprint/166907
[thumbnail of Selly Kurnia Sari.pdf] Text
Selly Kurnia Sari.pdf

Download (3MB)

Actions (login required)

View Item View Item