Rancang bangun aplikasi pendeteksi penyakit ginjal kronis dengan menggunakan algoritma c4.5
| Main Author: | Rianto, Robi |
|---|---|
| Format: | Thesis NonPeerReviewed Book |
| Bahasa: | eng |
| Terbitan: |
, 2016
|
| Subjects: | |
| Online Access: |
http://kc.umn.ac.id/1181/1/HALAMAN%20AWAL.pdf http://kc.umn.ac.id/1181/2/BAB%20I.pdf http://kc.umn.ac.id/1181/3/BAB%20II.pdf http://kc.umn.ac.id/1181/4/BAB%20III.pdf http://kc.umn.ac.id/1181/5/BAB%20IV.pdf http://kc.umn.ac.id/1181/6/BAB%20V.pdf http://kc.umn.ac.id/1181/7/DAFTAR%20PUSTAKA.pdf http://kc.umn.ac.id/1181/8/LAMPIRAN.pdf http://kc.umn.ac.id/1181/ |
Daftar Isi:
- Ginjal merupakan salah satu organ penting yang terdapat dalam tubuh manusia dan berfungsi untuk menyaring sampah hasil metabolisme pada darah lalu membuangnya dalam bentuk urin. Adanya perubahan kondisi tertentu dalam tubuh dapat mempengaruhi kondisi ginjal sehingga menyebabkan penurunan fungsi organ tersebut dan memicu penyakit ginjal kronis. Dalam artikel yang terdapat pada website milik National Institute of Diabetes and Digestive and Kidney Diseases (2014) dikatakan bahwa penyakit ginjal kronis merupakan silent disease, dimana pasien terlihat normal dan tidak menunjukkan gejala tetapi hasil tes menyatakan ginjal pasien tersebut sudah mengalami penurunan fungsi. Berdasarkan informasi di atas maka penelitian mengenai cara mendeteksi penyakit ginjal kronis akan dilakukan. Aplikasi dibangun dengan basis desktop dan menggunakan metode decision tree dengan algoritma C4.5. Pemilihan algoritma tersebut dikarenakan C4.5 dapat menyimpulkan suatu keputusan berdasarkan sebuah dataset yang ada. Perbedaan dengan penelitian sebelumnya adalah penelitian ini memprediksi penyakit ginjal kronis menggunakan data yang didapat dari dataset dengan metode decision tree dan algoritma C4.5. Uji coba dilakukan untuk mengetahui seberapa besar tingkat akurasi yang dapat dihasilkan oleh aplikasi. Proses pengujian dilakukan dengan menggunakan cross-validation dan berdasarkan hasil yang sudah dihitung aplikasi ini memiliki akurasi 91.50% pada saat decision tree dibuat tanpa menggunakan preprocess menu.