PENGGUNAAN ALGORITMA EXPECTATION MAXIMIZATION (EM) PADA GAUSSIAN MIXTURE MODEL (GMM) DALAM PENGELOMPOKAN PASIEN HIPERTENSI
| Main Author: | Listya, Nur |
|---|---|
| Format: | bachelorthesis doc-type Bachelors |
| Bahasa: | ind |
| Terbitan: |
, 2013
|
| Online Access: |
http://repository.unpad.ac.id/frontdoor/index/index/docId/8198 |
Daftar Isi:
- Clustering adalah pengelompokan objek ke dalam beberapa kelompok berdasarkan ukuran kemiripan atau ciri–ciri umum antar objek. Salah satu metode clustering yang nonhirarki adalah mixture model. Apabila suatu model merupakan mixture dari G komponen Gaussian, maka disebut Gaussian Mixture Model (GMM). Clustering GMM dapat diselesaikan dengan menggunakan algoritma Expectation Maximization (EM). Algoritma EM merupakan algoritma iteratif yang masing-masing iterasinya terdiri dari E-step (expectation step) lalu diikuti oleh M-step (maximization step). Algoritma EM akan diaplikasikan pada data rekam medik pasien RSUP Fatmawati untuk mengelompokkan pasien hipertensi. Hasil clustering menggunakan algoritma EM terdiri dari profil cluster ke-1 yaitu pasien prehipertensi dan hipertensi tahap I, profil cluster ke-2 yaitu pasien hipertensi tahap II akibat obesitas, profil cluster ke-3 yaitu pasien hipertensi tahap I akibat obesitas, dan profil cluster ke-4 yaitu pasien bertekanan darah normal.