PERBANDINGAN KINERJA ALGORITMA C4.5 DAN RANDOM FOREST UNTUK KLASIFIKASI PENYAKIT TUBERCULOSIS (TBC) DI PUSKESMAS JAJAG

Ningrum, Jesica Cahya (2025) PERBANDINGAN KINERJA ALGORITMA C4.5 DAN RANDOM FOREST UNTUK KLASIFIKASI PENYAKIT TUBERCULOSIS (TBC) DI PUSKESMAS JAJAG. Undergraduate thesis, UNIVERSITAS MUHAMMADIYAH JEMBER.

	Text A. PENDAHULUAN.pdf Download (1MB)
	Text B. ABSTRAK.pdf Download (214kB)
	Text C. BAB 1.pdf Download (224kB)
	Text D. BAB 2.pdf Restricted to Repository staff only Download (321kB) | Request a copy
	Text E. BAB 3.pdf Restricted to Repository staff only Download (1MB) | Request a copy
	Text F. BAB 4.pdf Restricted to Repository staff only Download (539kB) | Request a copy
	Text G. BAB 5.pdf Restricted to Repository staff only Download (149kB) | Request a copy
	Text H. DAFTAR PUSTAKA.pdf Download (76kB)
	Text I. LAMPIRAN.pdf Restricted to Repository staff only Download (549kB) | Request a copy

Abstract

Tuberkulosis adalah penyakit menular yang disebabkan oleh Mycobacterium Tuberculosis, yang dapat menyerang paru dan organ lainnya. Berdasarkan Global TB Report WHO 2021, Indonesia merupakan negara dengan beban TBC tertinggi ketiga di dunia. Data rekam medik pasien Tuberkulosis yang tersimpan di puskesmas dapat digunakan untuk pengembangan data menggunakan pola dari data sehingga memudahkan petugas mengambil keputusan terkait penyakit Tuberkulosis. Tujuan sistem ini bukan untuk menggantikan peran dokter, tetapi untuk memberikan rekomendasi atau kemungkinan hasil diagnosis berdasarkan gejala yang dialami pasien. Selain itu, sistem ini dapat memprediksi atau mendiagnosis penyakit TB sejak dini, sehingga membantu mengurangi penyebaran penyakit TB di masyarakat. Penelitian ini akan menggunakan Algoritma C4.5 dimana dalam pengimplementasiannya akan didapatkan pohon keputusan sebuah sinformasi untuk acuan dalam melakukan prediksi terhadap penyakit Tuberkulosis, kemudian akan dibandingkan dengan Random Forest yang merupakan metode klasifikasi untuk prediksi yang menghasilkan nilai akurasi yang baik dan lebih stabil. Kemudian dicari hasil akurasi, presisi, dan recall yang terbaik dari perbandingan tersebut. Hasil penelitian ini adalah hasil pengujian tertinggi pada metode Algoritma C4.5 menggunakan Fold Cross Validation dengan nilai K = 2 pada Langkah Uji 1 dengan akurasi sebesar 71,2%, presisi sebesar 75% dan recall sebesar 63%. Sedangkan hasil pengujian tertinggi pada metode Random Forest menggunakan Fold Cross Validation dengan nilai K = 4 pada Langkah Uji 2 dengan akurasi sebesar 73%, presisi sebesar 75,8% dan recall sebesar 68,1%. Kesimpulan dari penelitian ini adalah metode Random Forest memiliki kinerja yang lebih baik dari metode Algoritma C4.5.

Contribution

Nama Dosen Pembimbing

NIDN/NIDK

Dosen Pembimbing

Nilogiri, Agung

NIDN0030037701

Dosen Pembimbing

A'yun, Qurrota

NIDN0703069002

Item Type:	Thesis (Undergraduate)
Keywords/Kata Kunci:	Tuberculosis, Klasifikasi, Algoritma C4.5, Random Forest
Subjects:	000 Computer Science, Information, & General Works > 004 Data Processing, Computer Science
Divisions:	Faculty of Engineering > Department of Informatics Engineering (S1)
Depositing User:	Jesica Cahya Ningrum | jesica.ningrum@gmail.com
Date Deposited:	22 Feb 2025 01:51
Last Modified:	22 Feb 2025 01:51
URI:	http://repository.unmuhjember.ac.id/id/eprint/24277

Actions (login required)

View Item