Cover Image

Implementasi Metode Binary Decision Tree Support Vector Machine (Bdtsvm) Untuk Klasifikasi Penyakit Gigi Dan Mulut (Studi Kasus: Puskesmas Dinoyo Malang)

Main Author: Nivani, Nindy Deka
Format: Thesis NonPeerReviewed Book
Bahasa: eng
Terbitan: , 2017
Subjects:
006.312 Data mining
Online Access: http://repository.ub.ac.id/3310/1/Nindy%20Deka%20Nivani.pdf
http://repository.ub.ac.id/3310/
ctrlnum 3310
fullrecord <?xml version="1.0"?> <dc schemaLocation="http://www.openarchives.org/OAI/2.0/oai_dc/ http://www.openarchives.org/OAI/2.0/oai_dc.xsd"><relation>http://repository.ub.ac.id/3310/</relation><title>Implementasi Metode Binary Decision Tree Support Vector Machine (Bdtsvm) Untuk Klasifikasi Penyakit Gigi Dan Mulut (Studi Kasus: Puskesmas Dinoyo Malang)</title><creator>Nivani, Nindy Deka</creator><subject>006.312 Data mining</subject><description>Gigi dan mulut merupakan gerbang masuknya kuman dan bakteri yang dapat mengganggu kesehatan. Keluhan terhadap penyakit gigi dan mulut banyak sekali dikeluhkan oleh sebagian besar masyarakat di Indonesia, hal ini dikuatkan dengan fakta yang didapat dari data PDGI (Persatuan Dokter Gigi Indonesia) yang menyebutkan bahwa 87% dari masyarakat Indonesia menderita sakit gigi dan diantaranya tidak memeriksakan giginya ke dokter. Melihat hal tersebut dokter gigi mempunyai peran penting dalam menentukan klasifikasi penyakit gigi dan mulut yang tepat agar pasien dapat segera terobati penyakit yang sedang dideritanya. Penelitian ini mengimplementasikan metode Binary Decision Tree Support Vector Machine (BDTSVM) untuk membantu mengklasifikasikan penyakit gigi dan mulut. Metode Binary Decision Tree digunakan untuk pembuatan pohon biner dengan tujuan memisahkan kelas ke dalam 2 kelompok yaitu positif dan negatif. Sedangkan metode Support Vector Machine digunakan untuk proses klasifikasi. Pada penelitian ini digunakan 4 macam pengujian yaitu pengujian terhadap iterasi maksimal, parameter lambda, parameter gamma, dan parameter complexity. Hasil yang didapat dari penelitian ini adalah hasil klasifikasi penyakit gigi dan mulut dengan 6 kelas penyakit. Berdasarkan hasil pengujian yang telah dilakukan diperoleh akurasi rata-rata sebesar 94,28% dengan menggunakan nilai parameter lambda = 0,5, parameter complexity = 0,1, parameter gamma = 0,01 dan iterasi maksimal = 5.</description><date>2017-08-11</date><type>Thesis:Thesis</type><type>PeerReview:NonPeerReviewed</type><type>Book:Book</type><language>eng</language><identifier>http://repository.ub.ac.id/3310/1/Nindy%20Deka%20Nivani.pdf</identifier><identifier> Nivani, Nindy Deka (2017) Implementasi Metode Binary Decision Tree Support Vector Machine (Bdtsvm) Untuk Klasifikasi Penyakit Gigi Dan Mulut (Studi Kasus: Puskesmas Dinoyo Malang). Sarjana thesis, Universitas Brawijaya. </identifier><relation>SKR/FTIK/2017/601/051708113</relation><recordID>3310</recordID></dc>
language eng
format Thesis:Thesis
Thesis
PeerReview:NonPeerReviewed
PeerReview
Book:Book
Book
author Nivani, Nindy Deka
title Implementasi Metode Binary Decision Tree Support Vector Machine (Bdtsvm) Untuk Klasifikasi Penyakit Gigi Dan Mulut (Studi Kasus: Puskesmas Dinoyo Malang)
publishDate 2017
topic 006.312 Data mining
url http://repository.ub.ac.id/3310/1/Nindy%20Deka%20Nivani.pdf
http://repository.ub.ac.id/3310/
contents Gigi dan mulut merupakan gerbang masuknya kuman dan bakteri yang dapat mengganggu kesehatan. Keluhan terhadap penyakit gigi dan mulut banyak sekali dikeluhkan oleh sebagian besar masyarakat di Indonesia, hal ini dikuatkan dengan fakta yang didapat dari data PDGI (Persatuan Dokter Gigi Indonesia) yang menyebutkan bahwa 87% dari masyarakat Indonesia menderita sakit gigi dan diantaranya tidak memeriksakan giginya ke dokter. Melihat hal tersebut dokter gigi mempunyai peran penting dalam menentukan klasifikasi penyakit gigi dan mulut yang tepat agar pasien dapat segera terobati penyakit yang sedang dideritanya. Penelitian ini mengimplementasikan metode Binary Decision Tree Support Vector Machine (BDTSVM) untuk membantu mengklasifikasikan penyakit gigi dan mulut. Metode Binary Decision Tree digunakan untuk pembuatan pohon biner dengan tujuan memisahkan kelas ke dalam 2 kelompok yaitu positif dan negatif. Sedangkan metode Support Vector Machine digunakan untuk proses klasifikasi. Pada penelitian ini digunakan 4 macam pengujian yaitu pengujian terhadap iterasi maksimal, parameter lambda, parameter gamma, dan parameter complexity. Hasil yang didapat dari penelitian ini adalah hasil klasifikasi penyakit gigi dan mulut dengan 6 kelas penyakit. Berdasarkan hasil pengujian yang telah dilakukan diperoleh akurasi rata-rata sebesar 94,28% dengan menggunakan nilai parameter lambda = 0,5, parameter complexity = 0,1, parameter gamma = 0,01 dan iterasi maksimal = 5.
id IOS4666.3310
institution Universitas Brawijaya
affiliation mill.onesearch.id
fkp2tn.onesearch.id
institution_id 30
institution_type library:university
library
library Perpustakaan Universitas Brawijaya
library_id 480
collection Repository Universitas Brawijaya
repository_id 4666
subject_area Indonesian Language Collection/Kumpulan Karya Umum dalam Bahasa Indonesia*
city MALANG
province JAWA TIMUR
shared_to_ipusnas_str 1
repoId IOS4666
first_indexed 2018-01-19T18:31:28Z
last_indexed 2021-10-18T02:09:01Z
recordtype dc
_version_ 1730142678990979072
score 17.538404

Lihat Juga