Klasifikasi pada Penyakit Dental Caries Menggunakan Gabungan K-Nearest Neighbor dan Algoritme Genetika

Iriantoro, Dennes Nur Dwi (2017) Klasifikasi pada Penyakit Dental Caries Menggunakan Gabungan K-Nearest Neighbor dan Algoritme Genetika. Sarjana thesis, Universitas Brawijaya.

Abstract

permasalahan pada kedokteran gigi. Indonesia yang menempati peringkat 6 pada kasus karies gigi 60% – 80% pada populasi di indonesia. Oleh karena itu penanganan dini pada penyakit karies gigi diharapkan dapat mengurangi tingginya penyakit karies di indonesia. Kedokteran gigi yang semakin maju dalam hal teknologi membuat permasalahan menjadi lebih mudah untuk diselesaikan. Sistem untuk klasifikasi pada tipe-tipe karies dengan menggunakan program komputer yang diharapkan akan mempermudah kinerja dalam bidang kedokteran gigi. Pada permasalahan klasifikasi dengan menggunakan metode K-Nearest Neighbor telah banyak diterapkan pada kasus-kasus lain. Namun pada metode ini memiliki kekurangan pada penentuan nilai K yang harus dicari sendiri nilai K terbaik untuk klasifikasi. Pada penelitian ini akan membahas tentang optimasi pada nilai K dalam metode KNN. Penelitian ini akan menggunakan Gabungan K- Nearest Neighbor dan Algoritme genetika. Algoritme genetika dapat menghasilkan solusi yang optimal dengan berbagai variasi serta memiliki kelebihan dari segi kemampuan menghasilkan solusi. Dengan menggunakan algoritme genetika pengguna tidak harus mencari satu persatu nilai K optimal. Pada penggunaan algoritme genetika ini menghasilkan nilai K optimal dengan mendapatkan akurasi sebesar 88%. Pengujian yang dilakukan pada algoritme genetika untuk mencari hasil yang terbaik dengan mendapatkan nilai fitnes terbaik yaitu 0.9. Penggunaan optimasi dengan algoritme genetika ini membuat metode K-Nearest Neighbor menjadi lebih mudah digunakan karena tidak harus memilih nilai K optimal secara manual. Dan hasil yang didapatkan pada pengujian akurasi nilai K yang didapatkan oleh algoritme genetika adalah K optimal dengan akurasi 88 % dan fitness 0,9. Klasifikasi penyakit karies gigi akan lebih bagus menggunakan metode Hybrid ini.

English Abstract

Dental caries disease is a disease that is often encountered in cases of dental problems. Indonesia is ranked 6th in dental caries cases 60% - 80% in the population in Indonesia. Therefore, early treatment of dental caries disease is expected to reduce the high caries disease in Indonesia. Increasingly advanced dentistry in technology makes it easier to solve problems. The system for classification of caries types using computer programs is expected to facilitate performance in the field of dentistry. In the classification problem using K-Nearest Neighbor method has been applied in many other cases. However, in this method has a deficiency in the determination of the value of K which must be sought by itself the best value of K for classification. In this research will discuss about the optimization on the value of K in KNN method. This study will use Hybrid the K- Nearest Neighbor and Genetic Algorithm. Genetic algorithms can produce optimal solutions with various variations and have advantages in terms of ability to produce solutions. By using genetic algorithm the user does not have to search for one by one the optimal K value. On the use of this genetic algorithm yields the optimal K value by obtaining an accuracy of 88%. Tests conducted on the genetic algorithm to find the best results by getting the best fit value of 0.9. The use of optimization with this genetic algorithm makes K-Nearest Neighbor method easier to use because it does not have to select the optimal K value manually. And the results obtained on testing the accuracy of K values obtained by genetic algorithm is optimal K with 88% accuracy and fitness 0.9. Classification of dental caries disease would be better using this Hybrid method.

Item Type:	Thesis (Sarjana)
Identification Number:	SKR/FTIK/2017/667/051708181
Uncontrolled Keywords:	penyakit karies gigi, klasifikasi, optimasi, k-nearest neighbor, algoritme genetika
Subjects:	000 Computer science, information and general works > 001 Knowledge > 001.012 Classification
Divisions:	Fakultas Ilmu Komputer > Teknik Informatika
Depositing User:	Yusuf Dwi N.
Date Deposited:	29 Sep 2017 07:22
Last Modified:	16 Sep 2020 07:28
URI:	http://repository.ub.ac.id/id/eprint/2990

	Text Bagian Depan.pdf Restricted to Repository staff only Download (1MB)
	Text BAB I.pdf Restricted to Repository staff only Download (2MB)
	Text BAB II.pdf Restricted to Repository staff only Download (7MB)
	Text BAB III.pdf Restricted to Repository staff only Download (1MB)
	Text BAB IV.pdf Restricted to Repository staff only Download (8MB)
	Text BAB V.pdf Restricted to Repository staff only Download (3MB)
	Text BAB VI.pdf Restricted to Repository staff only Download (2MB)
	Text BAB VII.pdf Restricted to Repository staff only Download (751kB)
	Text Daftar Pustaka.pdf Restricted to Repository staff only Download (827kB)

Actions (login required)

View Item