Hari Syahputra, - (2024) KLASIFIKASI PENYAKIT STROKE DENGAN MENGGUNAKAN METODE CORRELATION BASED FEATURE SELECTION PADA LEARNING VECTOR QUANTIZATION 2 (LVQ 2). Skripsi thesis, Universitas Islam Negeri Sultan Syarif Kasim Riau.

Preview	Text File lengkap kecuali ( Bab IV dan atau Bab V).pdf Download (3MB) | Preview
	Text (BAB IV) Bab Hasil penelitian (Bab IV dan atau Bab V).pdf - Published Version Restricted to Repository staff only Download (2MB)

Abstract

Stroke adalah masalah penting yang menimpa masyarakat di seluruh dunia. Hal ini disebabkan penyakit stroke berpotensi menyebabkan kematian, gangguan baik itu mental maupun fisik dalam kehidupan yang maju dan produktif. Salah satu cara untuk mendeteksi penyakit stroke dapat di lakukan dengan menggunakan teknik data mining. Pada penelitian ini peneliti ingin menggunakan teknik data mining klasifikasi untuk menguji akurasi dengan menggunakan algoritma Correlation Based Feature Selection pad Learning Vector Quantozation 2. Data yang digunakan ialah data pasien penyakit stroke yang diambil dari website Kaggle berjumlah 5110 data, berdasarkan pengujian metode CFS pada LVQ 2 cukup baik di terapkan dalam klasifikasi penyakit stroke, dibuktikan dari hasil pengujian yang dilakukan dengan window (ɛ) = 0.1, 0.2, 0.3, 0.4, dan 0.5, pada data latih 4598 dan 4087 dengan akurasi terbaik 92.56% menggunakan learning rate (α) = 0.01, 0.02, 0.03, 0.04, dan 0.05, minimal learning rate (-α) = 0.01, pengurangan learning rate = (0.01), nilai learning rate dan window (ɛ) mempengaruhi nilai akurasi

Actions (login required)

View Item