Implementasi Metode Subtractive Clustering Untuk Pembangkitan Aturan Fuzzy Pada Diagnosa Risiko Penyakit Jantung Koroner (Pjk)
| Main Author: | Wahyuningsih,Yeni |
|---|---|
| Format: | Thesis NonPeerReviewed Book |
| Bahasa: | eng |
| Terbitan: |
, 2012
|
| Subjects: | |
| Online Access: |
http://repository.ub.ac.id/152987/1/KATA_PENGANTAR.pdf http://repository.ub.ac.id/152987/2/LEMBAR_PENGESAHAN%2C_ABSTRAK.pdf http://repository.ub.ac.id/152987/3/BAB_UTAMA_%281-5%29.pdf http://repository.ub.ac.id/152987/4/COVER_UTAMA.pdf http://repository.ub.ac.id/152987/5/DAFTAR_ISI.pdf http://repository.ub.ac.id/152987/6/JURNAL%27Q.pdf http://repository.ub.ac.id/152987/ |
Daftar Isi:
- Metode Subtractive Clustering Merupakan Salah Satu Algoritma Yang Digunakan Untuk Membangkitkan Aturan Fuzzy Secara Otomatis Dimana Algoritma Tersebut Dapat Digunakan Untuk Menggantikan Seorang Pakar Dalam Menetapkan Dan Menjabarkan Suatu Aturan. S ubtractive Clustering Merupakan Metode Pengelompokkan Data Dimana Jumlah Cluster Tidak Ditentukan Sejak Awal. Subtractive Clustering Memiliki Kelebihan Yaitu Mampu Menentukan Pusat Cluster Secara Baik Dengan Cara Menentukan Potensi Setiap Titik Data Yang Nantinya Akan Dijadikan Calon Pusat Cluster Data. Pada Penelitian Ini Penulis Mengimplementasikan Metode Subtractive Clustering Sebagai Algoritma Pengelompokkan Untuk Mencari Cluster – Cluster Data Yang Dijadikan Sebagai Aturan Fuzzy Untuk Diagnosa Risiko Penyakit Jantung Koroner (PJK). Beberapa Skenario Pengujian Dilakukan Untuk Mengetahui Pengaruh Parameter Clustering Dan Aturan Yang Tepilih. Parameter Masukan Dari Metode Ini Terdiri Dari Jari – Jari, Squash Factor , Reject Ratio Dan Accept Ratio . Hasil Penelitian Menunjukkan Bahwa Parameter Masukan Jari-Jari Dan Reject Ratio Berbanding Terbalik Terhadap Jumlah Cluster Yang Terbentuk. Sedangkan Parameter Accept Ratio Tidak Memberikan Pengaruh Apapun Terhadap Jumlah Cluster . Pemilihan Jumlah Cluster Yang Ideal Ditentukan Berdasarkan Nilai Batasan Varian. Hasil Aturan Terpilih Yang Merupakan Nilai Batasan Varian Terkecil, Diterapkan Pada Metode Inferensi Takagi Sugeno Kang Orde-1 Untuk Mengetahui Akurasi Sistem Jika Digunakan Untuk Diagnosa Risiko PJK. Akurasi Terbaik Sistem Dari Berbagai Aturan Terpilih Adalah 76.67%, Dimana Aturan Tersebut Berjumlah Dua (2) Yang Merupakan Hasil Dari Proses Clustering Dengan Menggunakan Reject Ratio =0.8 Dan Jari – Jari = 0.45 Pada Jumlah Data Latih 70.