JUPRIADI AKBAR, -
(2024)
KLASIFIKASI PENYAKIT STROKE DENGAN MENGGUNAKAN METODE CORRELATION BASED FEATURE SElECTION PADA LEARNING VECTOR QUANZATION (LVQ).
Seminar Nasional Teknologi Informasi, Komunikasi dan Industri, 2024 (x).
ISSN 2579-5406
Abstract
Stroke merupakan salah satu penyebab utama kecacatan dan kematian di dunia, terutama di negara berkembang seperti Indonesia. Faktor risiko utama stroke termasuk hipertensi, obesitas dan perilaku seperti merokok dan pola makan yang buruk. Penanganan medis yang cepat dan tepat sangat dibutuhkan untuk mengurangi dampak dari penyakit stroke. Penelitian ini, menggunakan teknik data mining klasifikasi untuk penyakit stroke kedalam 2 kelas yaitu stroke dan tidak stroke berdasarkan data pasien stroke menggunakan algoritma Correlation Based Feature Selection (CFS) pada Learning Vector Quantization (LVQ). Data diperoleh dari website Kaggle yang berjumlah 5110 data dengan 10 variabel antara lain usia, jenis kelamin, kadar glukosa, riwayat penyakit jantung, hipertensi, jenis pekerjaan, jenis tempat tinggal, status merokok, indeks massa tubuh, status perkawinan. Berdasarkan hasil pengujian diperoleh hasil metode CFS pada LVQ cukup baik diterapkan dalam klasifikasi penyakit stroke, terbukti dari hasil pengujian yang dilakukan dengan epoch 100 pada rasio data 80%: 20% dengan akurasi terbaik sebesar 94.81% menggunakan learning rate (α) = 0.01 minimum learning rate (-α) = 0.001, pengurangan learning rate = (0.001). Metode CFS yang digunakan untuk pemilihan atribut penyakit stroke menunjukkan bahwa suatu atribut berkaitan dengan kelas dan tidak redundan dengan kelas lain ada di sub set 4. Sub set ini mencakup usia, hipertensi, riwayat penyakit jantung, dan kadar glukosa, dengan nilai merit yang didapatkan yaitu 0,2521.
Kata kunci: Correlationt Based Feature selectiont, Klasifikasi, Learning Vector Quantization, Stroke.
Actions (login required)
 |
View Item |
