(LAPORAN RISET PEMULA STIMULUS) KLASIFIKASI PENYAKIT DIABETES MELITUS MENGGUNAKAN ADABOOST CLASSIFIER

Abdurrahman, Ginanjar (2021) (LAPORAN RISET PEMULA STIMULUS) KLASIFIKASI PENYAKIT DIABETES MELITUS MENGGUNAKAN ADABOOST CLASSIFIER. Project Report. Universitas Muhammadiyah Jember. (Unpublished)

[img] Text
ginanjar abdurrahman_0714078704.pdf
Restricted to Repository staff only

Download (4MB) | Request a copy

Abstract

Diabetes Melitus (DM) merupakan penyakit dengan ciri tingginya gula darah sewaktu dengan nilai lebih besar atau sama dengan 200 mg/dL, dan kadar gula darah puasa lebih besar atau sama dengan 126 mg/dL. Klasifikasi merupakan algoritma supervised learning untuk menemukan pola atau fungsi untuk mendeskripsikan dan memisahkan suatu kelas data dengan kelas data yang lainnya. Adaboost (Adaptive Boosting) merupakan salah satu algoritma machine learning yang dapat membangun pengklasifikasi kuat dengan mengombinasikan beberapa pengklasifikasi lemah. Algoritma ini juga dapat menyesuaikan diri dengan data dan metode classifier lainnya. Selain itu, algoritma ini juga dapat mengurangi kesalahan dari weak classifier sehingga dapat meningkatkan akurasi dari setiap algoritma pembelajaran yang diberikan (boosting). Pada penelitian ini akan dilakukan klasifikasi penyakit DM menggunakan algoritma AdaBoost Classifier untuk menentukan apakah seseorang diklasifikasikan sebagai pasien diabetes atau sehat. Dataset diambil dari repositori UCI Machine Learning, terdiri dari 8 variabel input, 1 variabel target, serta 768 record. Hasil klasifikasi algoritma Adaboost Clasifier pada dataset hasil imputing mean menghasilkan akurasi sebesar 80.09 %, untuk dataset hasil imputing median menghasilkan akurasi sebesar 76.19 %, Sedangkan dataset hasil imputing modus, output yang dihasilkan sama dengan dataset yang mengandung missing values yang mengakibatkan algoritma Adaboost tidak bisa berjalan. Hal ini dikarenakan algoritma Adaboost sangat sensitif terhadap keberadaan missing values. Python mengenali NaN sebagai nilai modus untuk beberapa fitur, dengan demikian, nilai NaN tetap ada

Item Type: Monograph (Project Report)
Uncontrolled Keywords: gula darah, diabetes, klasifikasi, prevalensi, machine learning , adaboost
Subjects: 000 Computer Science, Information, & General Works > 006 Spesial Computer Methods
Divisions: Faculty of Engineering > Department of Informatics Engineering (S1)
Depositing User: GINANJAR ABDURRAHMAN
Date Deposited: 10 Dec 2021 02:20
Last Modified: 10 Dec 2021 02:20
URI: http://repository.unmuhjember.ac.id/id/eprint/12309

Actions (login required)

View Item View Item