dc.contributor.advisor | Djatna, Taufik | |
dc.contributor.advisor | Hardhienata, Medria Kusuma Dewi | |
dc.contributor.author | Masruriyah, Anis Fitri Nur | |
dc.date.accessioned | 2018-11-12T03:14:55Z | |
dc.date.available | 2018-11-12T03:14:55Z | |
dc.date.issued | 2018 | |
dc.identifier.uri | http://repository.ipb.ac.id/handle/123456789/94962 | |
dc.description.abstract | Salah satu tantangan dalam penyakit stroke adalah kurangnya alat
analisis yang berguna untuk mengidentifikasi data stroke yang berisi
hubungan tersembunyi dan tren dari sejumlah besar data. Cara untuk
mengatasi masalah ini, kami menggunakan Intuitionistic Fuzzy berdasarkan
Pohon Keputusan dengan Intuitionistic Fuzzy Entropy untuk menentukan
sejumlah variabel yang memiliki pengaruh besar pada diagnosis berbagai
jenis stroke. Selanjutnya, Jaringan Saraf Tiruan untuk memprediksi jumlah
stroke berdasarkan hasil diagnosis.
Kelebihan dari Intuitionistic Fuzzy bedasarkan Pohon Keputusan
adalah kemampuan dalam memberikan banyak informasi kepada para
pemangku kepentingan mengenai kebenaran aturan yang ditetapkan dan
menggunakan istilah linguistik untuk mengakomodasi ketidakjelasan,
ambiguitas, dan keraguan dalam persepsi manusia. Pendekatan ini dilakukan
dengan mengonversi data menjadi Fuzzy Intuisionistik. Ini menghasilkan
mendapatkan fungsi keanggotaan, fungsi non-keanggotaan, dan tingkat raguraguan.
Selanjutnya, hasil Fuzzy Intuisionistik dihitung menggunakan
Hamming Distance sebelum diproses dengan Intuitionistic Fuzzy Entropy.
Jarak Hamming diterapkan untuk menghitung perbedaan antara nilai-nilai
pada variabel yang sama. Hasil Intuitionistic Fuzzy Entropy digunakan untuk
menentukan akar dan cabang dalam pembentukan model pohon keputusan
berdasarkan perolehan informasi dari variabel dalam data. Salah satu
keuntungan dari pohon keputusan adalah bahwa kita dapat mengetahui
variabel yang memiliki pengaruh pada penyakit stroke berdasarkan pada
perolehan informasi yang telah dihitung. Dalam penelitian ini, hasil
menunjukkan bahwa pendekatan berhasil dapat menentukan 20 variabel yang
mempengaruhi stroke. Selanjutnya, variabel-variabel tersebut dihitung
menggunakan jaringan syaraf tiruan untuk memprediksi tingkat keparahan
penyakit stroke.
Variabel-variabel ini digunakan untuk mengklasifikasikan jenis-jenis
stroke. Selanjutnya, hasil menunjukkan bahwa pendekatan telah
menghasilkan 90.59% dalam mengklasifikasi penyakit stroke, kemudian
analisis prediktif menggunakan metode Jaringan Syaraf Tiruan menghasilkan
akurasi 95.15%. | id |
dc.language.iso | id | id |
dc.publisher | Bogor Agricultural University (IPB) | id |
dc.subject.ddc | Computer | id |
dc.subject.ddc | Data | id |
dc.subject.ddc | 2018 | id |
dc.subject.ddc | Bogor, Jawa Barat | id |
dc.title | Health Analytics for Stroke Disease | id |
dc.type | Undergraduate Thesis | id |
dc.subject.keyword | analitika kesehatan | id |
dc.subject.keyword | data mining | id |
dc.subject.keyword | Intuitionistic Fuzzy berbasis Pohon Keputusan | id |
dc.subject.keyword | jaringan saraf tiruan | id |
dc.subject.keyword | penyakit stroke | id |