Optimasi K-Nearest Neighbor Menggunakan Bat Algorithm Untuk Klasifikasi Penyakit Ginjal Kronis

Sugiarta, Komang Anggada (2020) Optimasi K-Nearest Neighbor Menggunakan Bat Algorithm Untuk Klasifikasi Penyakit Ginjal Kronis. Sarjana thesis, Universitas Brawijaya.

Abstract

Penyakit Ginjal Kronis (PGK) merupakan penyakit mematikan dan memerlukan biaya tinggi untuk melakukan hemodialisis setiap minggunya. PGK dapat terjadi karena penyakit ginjal akut yang berlangsung secara berlarut-larut dan tidak dilakukan perubahan pola hidup ataupun pengobatan secara dini. Sehingga masyarakat perlu mengetahui apakah memiliki potensi terserang PGK secara dini. Salah satu cara mengetahui PGK adalah dengan mencocok pola data penderita PGK. K-NEAREST NEIGHBOR (KNN) adalah metode yang dapat mencocok atau megklasifiksikan data berdasarkan kemiripan data yang terdekat. Namun PGK memiliki banyak fitur yang dapat digunakan KNN untuk mengklasifikasikan PGK. Fitur tersebut berupa data kesehatan dan pola hidup penderita PGK. Fitur tersebut sangat banyak dan harus dipilih fitur mana yang paling berpengaruh dan fitur mana yang kurang berpengaruh. Hanya fitur yang paling berpengaruh yang seharusnya digunakan untuk KNN. KNN dapat mengetahui fitur terbaik dengan cara mencoba segala kombinasi fitur PGK. Jika KNN mencoba satu persatu segala kemungkinan memerlukan waktu yang lama. Sehingga KNN perlu adanya modifikasi agar dapat secara otomatis dan efisien mengetahui fitur paling berpengaruh. Bat algorithm (BA) adalah salah satu metode pencarian masalah secara berkala dengan menirukan kebiasaan kelelawar. BA dapat digunakan mencari fitur terbaik PGK pada KNN. BA-KNN atau gabungan BA dan KNN diharapakan dapat mencari dan mengklasifikasikan PGK.

English Abstract

Chronic Kidney Disease (CKD) is deadly disease and need high cost to do hemodialysis every week. CKD can happen because acute kidney disease for long time and not do any further treatment or change lifestyle to prevent CKD. So, people need to know is that potentially suffer CKD or not for early time. One of ways to know people suffer CKD is compare pattern with people that already suffer CKD. K-NEAREST NEIGHBOR is method that can to compare and classify data to nearest similarity of CKD’s data. However, CKD has many feature that can use to classify people that suffer CKD. That feature can be people health data and lifestyle. That many feature must choose only most effective feature for classify CKD and discard the other feature. The feature selected can improve KNN to better classify CKD. KNN can know the better feature with try every combination feature. If KNN do that, it will need long time to find it. KNN need to improve efficiently and short way to know most effective feature for CKD. Bat Algorithm (BA) is method that can search solution that imitate behavior of bat. BA-KNN or combination BA and KNN proposed to solve the problem.

Other obstract

-

Item Type:	Thesis (Sarjana)
Identification Number:	SKR/FILKOM/2020/235/052003425
Uncontrolled Keywords:	penyakit ginjal kronis, seleksi fitur, K-NEAREST NEIGHBOR, Bat Algorithm, chronic kidney disease, feature selection, K-NEAREST NEIGHBOR, Bat Algorithm
Subjects:	000 Computer science, information and general works > 001 Knowledge > 001.012 Classification
Divisions:	Fakultas Ilmu Komputer > Teknik Informatika
Depositing User:	Budi Wahyono Wahyono
Date Deposited:	01 Aug 2020 08:57
Last Modified:	01 Oct 2024 02:17
URI:	http://repository.ub.ac.id/id/eprint/180990

Text Komang Anggada Sugiarta.pdf Download (9MB)

Actions (login required)

View Item