Penerapan Metode Decision Tree Menggunakan Algoritma Iterative Dichotomiser 3 (ID3) Untuk Klasifikasi Resiko Penyakit Jantung

Eva Fauziah, . (2022) Penerapan Metode Decision Tree Menggunakan Algoritma Iterative Dichotomiser 3 (ID3) Untuk Klasifikasi Resiko Penyakit Jantung. Other thesis, Universitas Pamulang.

	Text COVER_0.pdf Restricted to Registered users only Download (324kB)
	Text BAB_1.pdf Restricted to Registered users only Download (137kB)
	Text BAB_2.pdf Restricted to Registered users only Download (895kB)
	Text BAB_3.pdf Restricted to Registered users only Download (1MB)
	Text BAB_4.pdf Restricted to Registered users only Download (1MB)
	Text BAB_5.pdf Restricted to Registered users only Download (5kB)
	Text Eva Fauziah Jurnal Skripsi.pdf Restricted to Registered users only Download (530kB)

Abstract

Penyakit jantung atau kardiovaskular adalah suatu kondisi yang disebabkan adanya penyempitan dan penyumbatan pembuluh darah. Resiko penyakit jantung menjadi suatu peristiwa yang sulit untuk dihindari dan penyakit mematikan yang paling banyak diderita. Karena kurangnya pengetahuan dan perhatian terhadap penyebab penyakit jantung dan terdapat kesalahan ketika mendiagnosa menyebabkan pengidap penyakit jantung tidak terdeteksi sejak dini. Untuk itu dibuatlah suatu sistem diagnosa yang secara efektif dapat mendeteksi penyakit jantung sejak dini. Klasifikasi merupakan salah satu metode data mining yang banyak digunakan dalam menentukan suatu keputusan yang diprediksi berdasarkan data terdahulu yang diproses menggunakan algoritma klasifikasi. Algoritma klasifikasi yang digunakan adalah Iterative Dichotomiser 3 (ID3) dengan menggunakan dataset yang diambil dari UCI Machine Learning Repository, bersumber dari V.A. Medical Center, Long Beach and Cleveland Clinic Foundation. Dataset terdiri dari 14 atribut diantaranya: age, sex, cp, trestbps, chol, fbs, restecg, thalach, exang, oldpeak, slope, ca, thal, num (atribut prediksi). Metode evaluasi model klasifikasi yang digunakan adalah confussion matrix dengan hasil perhitungan akurasi sebesar 85, 71%, presisi sebesar 84, 62% dan recal sebesar 84, 62%. Berdasarakan proses klasifikasi tersebut, menghasilkan sistem diagnosa yang secara efektif dapat mendeteksi penyakit jantung sejak dini.

Item Type:	Thesis (Other)
Uncontrolled Keywords:	Heart Disease Risk, ID3 Algorithm Decision Tree, Classification
Subjects:	Q Science > QA Mathematics > QA75 Electronic computers. Computer science
Divisions:	Faculty of Engineering, Science and Mathematics > School of Electronics and Computer Science
Depositing User:	Enas Nasrulloh
Date Deposited:	22 Jul 2023 03:34
Last Modified:	22 Jul 2023 03:34
URI:	http://repository.unpam.ac.id/id/eprint/11131

Actions (login required)

View Item