Klasifikasi Penderita Pneumonia Menggunakan Metode Analisis Diskriminan, Hybrid Analisis Diskriminan-Algoritma Genetika dan Naïve Bayes

Rahimatin, Siti Mar'atus (2017) Klasifikasi Penderita Pneumonia Menggunakan Metode Analisis Diskriminan, Hybrid Analisis Diskriminan-Algoritma Genetika dan Naïve Bayes. Undergraduate thesis, Institut Teknologi Sepuluh Nopember.

Text 1313100054-Undergraduate_Theses.pdf Restricted to Repository staff only Download (1MB)

Abstract

Penyakit Infeksi Saluran Pernapasan Akut (ISPA) yang paling menjadi perhatian dalam kesehatan masyarakat adalah pneumonia. Pengklasifikasian penyakit pneumonia penting guna mempercepat dalam menentukan tingkat keparahan penyakit serta mengetahui tindakan ataupun pengobatan yang paling tepat untuk penderita. Oleh karena itu dalam penelitian ini digunakan metode analisis diskriminan, hybrid analisis diskriminan-algoritma genetika dan Naïve Bayes untuk melakukan klasifikasi kelas risiko pada penderita pneumonia di RSUD Dr. Soetomo Surabaya. Algoritma genetika digunakan untuk seleksi variabel dan optimasi estimasi parameter. Hasil analisis menunjukkan bahwa terdapat perbedaan variabel yang terpilih dari keempat metode seleksi variabel. Selain itu, metode hybrid analisis diskriminaan-algoritma genetika memberikan nilai ketepatan klasifikasi yang lebih tinggi dibandingkan metode analisis diiskriminan dan Naïve Bayes.
=========================================================================================
Pneumonia is the most concerned Acute Respiratory Infection diseases in public health. Classifying pneumonia severity is important in order to determine the treatments for particular patient. Therefore, this study used discriminant analysis method, hybrid analysis discriminant-genetic algorithm and Naïve Bayes to perform classification disease diagnosis in patients with pneumonia in RSUD Dr. Soetomo Surabaya. The genetic algorithm is used for variable selection and to optimize the parameter estimate. The result for variable selection is that there are differences between variables. In addition, the hybrid method has higher accuracy than analysis discriminant method and Naïve Bayes

Item Type:	Thesis (Undergraduate)
Additional Information:	RSSt 519.535 Rah k
Uncontrolled Keywords:	algoritma genetika, hybrid analisis diskriminan, naïve bayes, pneumonia, seleksi variabel, genetic algorithm, hybrid discriminant analysis, variable selection
Subjects:	H Social Sciences > HA Statistics R Medicine > R Medicine (General)
Divisions:	Faculty of Mathematics and Science > Statistics > 49201-(S1) Undergraduate Thesis
Depositing User:	Siti Mar'atus Rahimatin
Date Deposited:	31 Oct 2017 09:14
Last Modified:	09 Jan 2018 07:28
URI:	http://repository.its.ac.id/id/eprint/47906

Actions (login required)

View Item