SISTEM PREDIKSI TINGKAT RESIKO PENYAKIT DIABETES MELLITUS MENGGUNAKAN TEKNIK DATA MINING DENGAN METODE DECISION TREE ID3

DWI NOVIANTO, FAHMI (2015) SISTEM PREDIKSI TINGKAT RESIKO PENYAKIT DIABETES MELLITUS MENGGUNAKAN TEKNIK DATA MINING DENGAN METODE DECISION TREE ID3. undergraduate thesis, Universitas Muhammadiyah Gresik.

[img]
Preview
Text
halaman judul..pdf

Download (1MB) | Preview
[img]
Preview
Text
BAB I.pdf

Download (179kB) | Preview
[img]
Preview
Text
BAB II.pdf

Download (374kB) | Preview
[img]
Preview
Text
BAB III.pdf

Download (1MB) | Preview
[img]
Preview
Text
BAB IV.pdf

Download (1MB) | Preview
[img]
Preview
Text
BAB V.pdf

Download (87kB) | Preview
[img]
Preview
Text
DAFTAR PUSTAKA.pdf

Download (7kB) | Preview
[img]
Preview
Text
LAMPIRAN.pdf

Download (588kB) | Preview

Abstract

Diabetes Mellitus adalah penyakit yang mempengaruhi gula darah, hal ini terjadi karena glukosa (gula sederhana) di dalam darah terlalu tinggi. Sehingga tubuh tidak dapat menggunakan insulin dengan benar atau tidak sempurna. Di zaman sekarang ini, kurang sadarnya manusia akan pola hidup teratur yang disibukkan dengan aktivitas sehari-hari yang sangat tinggi, sehingga menyebakan kurangnya perhatian akan pola hidup sehat, dimana ini merupakan penyebab utama manusia terserang berbagai macam penyakit, salah satunya adalah diabetes. Penelitian ini menerapkan teknik data mining classification dengan menggunakan metode decision tree ID3 untuk memprediksi prestasi tingkat resiko penyakit diabetes. Atribut yang digunakan adalah usia, keturunan diabetes, index masa tubuh (IMT), intensitas olahraga. Data yang digunakan diambil dari data kuisioner Kuisioner dari 50 sampel data yang diambil dari penelitian sebelumnya yaitu tugas akhir Azhuardhi Azhro dengan judul “Aplikasi Perhitungan Tingkat Resiko Penyakit Diabetes Dengan Metode Sugeno” yang digunakan sebagai konstanta nilai dengan kevalidan data yang sudah diuji, tanpa ada pengurangan maupun penambahan data responden. Pengujian sistem dilakukan dengan melakukan sepuluh kali percobaan menggunakan komposisi data yang berbeda-beda untuk mengetahui tingkat akurasi dari masing-masing percobaan. Pohon keputusan yang digunakan adalah hasil dari pembentukan pohon keputusan pada percobaan kesatu dan kedua, karena tingkat akurasinya paling tinggi yaitu 100%.

Item Type: Thesis (undergraduate)
Uncontrolled Keywords: Data Mining, Classification, Decision Tree ID3
Subjects: Engineering > Informatics Engineering
Engineering
Divisions: Faculty of Engineering > Informatics Engineering Study Program
Depositing User: Users 747 not found.
Date Deposited: 08 Dec 2020 06:25
Last Modified: 08 Dec 2020 06:25
URI: http://eprints.umg.ac.id/id/eprint/4445

Actions (login required)

View Item View Item