APLIKASI DATA MINING UNTUK DETEKSI DINI RESIKO PENYAKIT STROKE MENGGUNAKAN METODE DECISION TREE C4.5

SA’DIYAH, NURUL KALIMATUS (2017) APLIKASI DATA MINING UNTUK DETEKSI DINI RESIKO PENYAKIT STROKE MENGGUNAKAN METODE DECISION TREE C4.5. undergraduate thesis, Universitas Muhammadiyah Gresik.

	Text 8. Abstrak.pdf Download (173kB)
	Text 10. BAB I.pdf Download (103kB)
	Text 11. BAB II.pdf Download (863kB)
	Text 12. BAB III.pdf Download (2MB)
	Text 13. BAB IV.pdf Restricted to Repository staff only Download (1MB)
	Text 14. BAB V.pdf Download (90kB)
	Text 15. Daftar Pustaka.pdf Download (190kB)

Abstract

Stroke adalah serangan otak yang timbul secara mendadak dimana terjadi gangguan fungsi otak sebagian atau menyeluruh sebagai akibat dari gangguan aliran darah oleh karena sumbatan atau pecahnya pembuluh darah tertentu diotak. Stroke merupakan gangguan fungsi saraf pusat yang berkembang sangat cepat baik menit maupun jam (Yayasan Stroke Indonesia, 2013). Stroke dapat mematikan otak hanya dalam hitungan menit, sehingga sangat penting jika sesorang mengenali gejala stroke sejak awal dan segera menanganinya. Pengenalan sedini mungkin resiko penyakit stroke akan sangat membantu dalam meminimalisasi kerugian baik fisik maupun materi oleh penderita stroke. Pengenalan yang dilakukan adalah dengan melakukan klasifikasi data pasien berdasarkan variabel tekanan darah, kadar gula, kolesterol total, Low Density Lipoprotein, usia, jenis kelamin, asam urat, Blood Urea Nitrogen dan kreatinin. Dari variabel tersebut akan dilakukan klasifikasi dengan memanfaatkan algoritma Decision Tree C4.5 yang menghasilkan sebuah keputusan. Decision Tree C4.5 akan menghasilkan aturan-aturan yang dapat memberikan status resiko dini penyakit stroke. Status resiko yang diberikan berupa resiko rendah, sedang dan tinggi.

Item Type:	Thesis (undergraduate)
Subjects:	Engineering > Informatics Engineering Engineering
Divisions:	Faculty of Engineering > Informatics Engineering Study Program
Depositing User:	maysatin may aliah
Date Deposited:	16 Jul 2019 03:49
Last Modified:	16 Jul 2019 03:49
URI:	http://eprints.umg.ac.id/id/eprint/2043

Actions (login required)

View Item