Perbandingan metode algoritma c4.5 dan extreme learning machine untuk mendiagnosis penyakit jantung koroner

Tedja, Cathlin and Wibowo, Sentosa (2019) Perbandingan metode algoritma c4.5 dan extreme learning machine untuk mendiagnosis penyakit jantung koroner. Bachelor thesis, Universitas Pelita Harapan.

[thumbnail of Title] Text (Title)
Title.pdf
Restricted to Registered users only
Available under License Creative Commons Attribution Non-commercial Share Alike.

Download (7MB)
[thumbnail of Abstract]
Preview
Text (Abstract)
Abstract.pdf
Available under License Creative Commons Attribution Non-commercial Share Alike.

Download (413kB) | Preview
[thumbnail of ToC] Text (ToC)
ToC.pdf
Restricted to Registered users only
Available under License Creative Commons Attribution Non-commercial Share Alike.

Download (1MB)
[thumbnail of Chapter1]
Preview
Text (Chapter1)
Chapter1.pdf
Available under License Creative Commons Attribution Non-commercial Share Alike.

Download (490kB) | Preview
[thumbnail of Chapter2] Text (Chapter2)
Chapter2.pdf
Restricted to Registered users only
Available under License Creative Commons Attribution Non-commercial Share Alike.

Download (2MB)
[thumbnail of Chapter3] Text (Chapter3)
Chapter3.pdf
Restricted to Registered users only
Available under License Creative Commons Attribution Non-commercial Share Alike.

Download (2MB)
[thumbnail of Chapter4] Text (Chapter4)
Chapter4.pdf
Restricted to Registered users only
Available under License Creative Commons Attribution Non-commercial Share Alike.

Download (3MB)
[thumbnail of Chapter5] Text (Chapter5)
Chapter5.pdf
Restricted to Registered users only
Available under License Creative Commons Attribution Non-commercial Share Alike.

Download (206kB)
[thumbnail of Bibliography]
Preview
Text (Bibliography)
Bibliography.pdf
Available under License Creative Commons Attribution Non-commercial Share Alike.

Download (571kB) | Preview
[thumbnail of Appendices] Text (Appendices)
Appendices.pdf
Restricted to Repository staff only
Available under License Creative Commons Attribution Non-commercial Share Alike.

Download (2MB)

Abstract

Menurut World Health Organization (WHO) peningkatan penyakit kardiovaskuler meningkat sebanyak 28% per tahun dan akan semakin bertambah setiap tahunnya bila tidak di diagnosis penyakit tersebut. Pada tahun 2015, menurut World Health Organization (WHO) menyebutkan bahwa terdapat 17.5 juta orang di dunia meninggal akibat penyakit kardiovaskular atau 31% dari kematian di seluruh dunia, dan di Indonesia sendiri angka kematian yang disebabkan penyakit kardiovaskukar adalah 7,4 juta (42.3%) diantaranya disebabkan oleh penyakit jantung koroner (PJK). Penyakit Jantung koroner merupakan penyakit yang disebabkan karena penyempitan arteri koroner. Terdapat berbagai metode yang dapat digunakan untuk mendiagnosa apakah seseorang terkena penyakit jantung koroner atau tidak yaitu dengan menggunakan metode jaringan saraf tiruan. Penelitian ini mengimplementasikan suatu metode yaitu Extreme Learning Machine (ELM). Extreme Learning Machine merupakan jaringan saraf tiruan feed�forward dengan satu atau lebih hidden layer yang dikenal dengan istilah single hidden layer feed-forward neural. Algortima C4.5 adalah salah satu algoritma yang dapat digunakan untuk membuat pohon keputusan (decision tree). Setelah eksperimen dilakukan menggunakan metode algoritma C4.5 mampu memberikan hasil diagnosis yang sangat baik. Dengan menggunakan confusion matrix, didapatkan tingkat akurasi yang menunjukkan bahwa algoritma C4.5 memiliki nilai 1.27 kali lebih baik dibandingkan dengan extreme learning machine (ELM).
Item Type: Thesis (Bachelor)
Creators:
Creators
NIM
Email
ORCID
Tedja, Cathlin
1501030353
UNSPECIFIED
UNSPECIFIED
Wibowo, Sentosa
1501030369
UNSPECIFIED
UNSPECIFIED
Contributors:
Contribution
Contributors
NIDN/NIDK
Email
Thesis advisor
Pangaribuan, Jefri Junifer
UNSPECIFIED
UNSPECIFIED
Uncontrolled Keywords: Penyakit Kardiovaskular, Jantung Koroner, Jaringan Saraf Tiruan, Extreme Learning Machime, Algoritma C4.5
Subjects: Q Science > QA Mathematics > QA75 Electronic computers. Computer science
Divisions: University Subject > Current > Faculty/School - UPH Medan > School of Information Science and Technology > Information Systems
Current > Faculty/School - UPH Medan > School of Information Science and Technology > Information Systems
Depositing User: Debora Sitepu
Date Deposited: 22 Jun 2021 09:07
Last Modified: 13 Jan 2022 02:50
URI: http://repository.uph.edu/id/eprint/33940

Actions (login required)

View Item
View Item