Penerapan Algoritma Improved K-Means Pada Pengelompokan Data Tingkat Kesehatan Jantung
| Main Author: | Romadini, DelaDwi |
|---|---|
| Format: | Thesis NonPeerReviewed Book |
| Bahasa: | eng |
| Terbitan: |
, 2013
|
| Subjects: | |
| Online Access: |
http://repository.ub.ac.id/145869/1/Lampiran_1.pdf http://repository.ub.ac.id/145869/2/Lampiran_2.pdf http://repository.ub.ac.id/145869/3/BAB_1-6.pdf http://repository.ub.ac.id/145869/3/cover.pdf http://repository.ub.ac.id/145869/ |
Daftar Isi:
- Pengelompokan data dapat dijadikan sebagai sumber informasi salah satunya dengan cara mengembangkan aplikasi data mining.Penggunaan data mining diharapkan mampu memilah dan memilih sumber informasi tersebut. Informasi juga dapat menunjang dalam penyeleseian pekerjaan secara cepat, tepat, efektif dan efisien. Misalnya saja pada pengelompokan data tingkat kesehatan jantung. Pengelompokan data tingkat kesehatan jantung mampu dalam mengidentifikasi tingkat kesehatan pada jantung berdasarkan tingkat kemiripannya. Data tingkat kesehatan jantung dianalisis menggunakan metode Improved KMeans clustering . Algoritma Improved K-Means merupakan salah satu algoritma yang banyak digunakan untuk mencari nilai optimal atau mendekati optimal dalam pengelompokan data yang berdasarkan pada tingkat kemiripannya. Penggunaan metode Improved K-Means pada pengelompokan data tingkat kesehatan jantung adalah untuk membantu dalam mengidentifikasi kelainan pada jantung dan untuk meminimalisir kesalahan dalam mendeteksi penyakit jantung sehingga perlu adanya pengelompokan data atau clustering . Hasil clustering kemudian diproses atau dievaluasi menggunakan nilai F-Measure dimana sebelumnya harus diketahui nilai precision dan nilai recall terlebih dahulu. Hasil penelitian menunjukan bahwa semakin besar nilai threshold dan nilai kluster yang diinputkan maka akan menurun nilai F-Measure yang dihasilkan tapi masih cenderung stabil.