scholarly journals Komparasi Akurasi Algoritme CART Dan Neural Network Untuk Diagnosis Penyakit Diabetes Retinopathy

2021 ◽  
Vol 7 (1) ◽  
pp. 121
Author(s):  
Pungkas Subarkah ◽  
Muhammad Marshal Abdallah ◽  
Septi Oktaviani Nur Hidayah
Keyword(s):  
Neural Network ◽  
Data Mining ◽  
Cross Validation ◽  
Confusion Matrix ◽  
Regression Trees ◽  
Classification And Regression Trees ◽  
Diabetes Retinopathy ◽  
Classification And Regression ◽  
F Measure ◽  
Diabetes Melitus

Penyakit Diabetes Retinopathy atau DR adalah salah satu komplikasi mikrovaskular diabetes melitus dengan angka prevalensi yang cukup tinggi yang bisa menyebabkan kematian. Penderita DR hingga saat ini masih sulit disembuhkan karena mayoritas penderita melakukan pemeriksaan di saat kondisi penyakit telah memasuki tahap berbahaya, hal ini dikarenakan sifat dari penyakit DR ini tidak menunjukkan gejala yang terlihat bila masih pada tahap awal. Penelitian ini menguji  diagnosis penyakit diabetes retinopathy dengan melakukan klasiifikasi menggunakan metode data mining. Metode yang digunakan ialah algoritme Classification And Regression Trees (CART) dan Algoritme Neural Network menggunakan dataset diambil dari UCI Repository Learning diperoleh daro Universitas Debreen, Hongaria. Adapun metode validasi dan evaluasi yang digunakan dalam penelitian ini yaitu 10-cross validation dan confusion matrix. Hasil dari akurasi pada algoritme CART yaitu 63.4231% dengan nilai precision 0.64%, Recall 0.634%, dan F-Measure 0.634%  dan algoritme Neural Network mendapatkankan nilai akurasi sebesar 72.285% dengan nilai precision 0.723%, Recall 0.723%, dan F-Measure 0.723%. Dari hasil tersebut dapat disimpulkan bahwa algoritme Neural Network lebih baik dalam mendiagnosis penyakit diabetes retinopathy. Kata kunci— Klasifikasi, Diagnosis, Diabetes Retinopathy, Algoritme, CART, Neural Network 

scholarly journals Perbandingan Metode Klasifikasi Data Mining untuk Nasabah Bank Telemarketing

2020 ◽  
Vol 20 (1) ◽  
pp. 139-148
Author(s):  
Pungkas Subarkah ◽  
Enggar Pri Pambudi ◽  
Septi Oktaviani Nur Hidayah
Keyword(s):  
Data Mining ◽  
Cross Validation ◽  
Naive Bayes ◽  
Confusion Matrix ◽  
Regression Trees ◽  
Classification And Regression Trees ◽  
Naïve Bayes ◽  
University Of California ◽  
Classification And Regression ◽  
F Measure

 Bank merupakan perusahaan yang memiliki data yang besar yang tersimpan di dalam database dan diolah menghasilkan sebuah informasi yang saling berkaitan tentang nasabah. Bank, harus memiliki ide dan terobosan baru guna mengetahui kendala pada nasabah telemarketing yang ingin melakukan deposito pada Bank tersebut, agar Bank terhindar dari ancaman krisis keuangan. Penelitian ini menguji keberhasilan Bank telemarketing dengan cara melakukan klasifikasi keputusan nasabah dengan menerapkan data mining. Metode yang di gunakan algoritma Classification and Regression Trees (CART) dan naive bayes menggunakan dataset diambil dari University of California Irvine (UCI) Repository Learning. Adapun metode validasi dan evaluasi yang digunakan yaitu 10-cross validation dan confusion matrix. Hasil akurasi pada algoritma CART yaitu 89.51% dengan nilai precision 87%, Recall 89% dan F-Measure 88% dan pada algoritma naive bayes mendapatkan nilai akurasi sebesar 86.88% dengan nilai precision 87%, Recall 86% dan F-Measure 87%. Dari hasil tersebut dapat disimpulkan bahwa algoritma CART lebih baik dalam memprediksi keputusan nasabah telemarketing tepat dalam penawaran deposito.

scholarly journals Penerapan Algoritme Klasifikasi Classification And Regression Trees (Cart) Untuk Diagnosis Penyakit Diabetes Retinopathy

2020 ◽  
Vol 19 (2) ◽  
pp. 294-301
Author(s):  
Pungkas Subarkah
Keyword(s):  
Diabetic Retinopathy ◽  
Cross Validation ◽  
Regression Trees ◽  
Classification And Regression Trees ◽  
Diabetes Retinopathy ◽  
Classification And Regression ◽  
F Measure

Penyakit diabetic retinopathy atau DR adalah salah satu komplikasi penyakit diabetes yang bisa menyebabkan kematian bagi penderitanya. Komplikasi tersebut berupa kerusakan pada bagian retina mata. Tingginya kadar glukosa dalam darah adalah penyebab pembuluh darah kapiler kecil menjadi pecah dan dapat menyebabkan kebutaan. Retinopati diabetes diawali dengan melemah atau hancurnya kapiler kecil di retina, darah bocor yang kemudian menyebabkan penebalan jaringan, pembengkakan, dan pendarahan yang luas. Penelitian ini bertujuan untuk menganalisis diagnosis penyakit diabetes retinopathy. Algoritme Classification And Regression Trees (CART) merupakan salah satu algoritme klasifikasi dengan menggunakan dataset diambil dari UCI Repository Learning diperoleh dari Universitas Debrecen, Hongaria, yang terdiri dari data pasien terindikasi penyakit diabetes retinopathy dan normal penyakit diabetes retinopathy. Metode yang digunakan dalam penelitian ini yaitu identifikasi masalah, pengumpulan data, tahap pre-processing, metode klasifikasi, validasi dan evaluasi serta penarikan kesimpulan. Adapun metode validasi dan evaluasi yang digunakan yaitu 10-cross validation dan confusion matrix.Dari hasil perhitungan yang telah dilakukan,  maka didapatkan hasil akurasi pada algoritme CART sebesar 63.4231%, dengan nilai precision 0.64%, nilai Recall 0.634%, dan nilai F-Measure 0,634%.

scholarly journals Sistem Prediksi Penyakit Kanker Serviks Menggunakan CART, Naive Bayes, dan k-NN

2018 ◽  
Vol 4 (2) ◽  
pp. 83
Author(s):  
Tutus Praningki ◽  
Indra Budi
Keyword(s):  
Data Mining ◽  
Decision Tree ◽  
Pap Smear ◽  
Nearest Neighbor ◽  
Naive Bayes ◽  
Confusion Matrix ◽  
Regression Trees ◽  
Naïve Bayes ◽  
K Nearest Neighbor ◽  
Classification And Regression

Tersedianya data histori rekam medis pasien kanker serviks pada institusi pelayanan kesehatan, tidak disertai dengan proses ekstraksi menjadi sebuah pengetahuan atau informasi. Penggunaan teknik data mining sangat berpotensi untuk diimplementasikan kedalam sistem yang dapat melakukan prediksi penyakit kanker serviks. Pada penelitian ini berfokus pada dataset diagnosa medis pasien yang akan melakukan tes Pap Smear. Algoritma yang digunakan untuk melakukan klasifikasi penyakit kanker serviks adalah Classification And Regression Trees (CART), Naive Bayes, dan k-Nearest Neighbor (k-NN). Pengujian yang dilakukan terhadap algoritma CART Decision Tree, Naive Bayes, dan k-NN, menggunakan formula Confusion Matrix, dengan menggunakan teknik pemecahan dataset Holdout. Hasil pengujian terhadap algoritma yang digunakan, menunjukkan algoritma Naive Bayes memiliki akurasi terbaik sebesar 94,44%, sedangkan tingkat akurasi yang dihasilkan algoritma CART dan k-NN adalah 88,89%, 85,04%. Performa yang didapatkan oleh masing-masing algoritma yang digunakan, memungkinkan penggunaan sistem prediksi penyakit kanker serviks untuk mendukung keputusan klinis pada pasien baru. 

scholarly journals Diagnosis of Tuberculosis By Artificial Neural Network Algorithm

SinkrOn ◽  
2019 ◽  
Vol 3 (2) ◽  
pp. 223
Author(s):  
Amrin Amrin
Keyword(s):  
Neural Network ◽  
Data Mining ◽  
Artificial Neural Network ◽  
Cross Validation ◽  
Confusion Matrix ◽  
Network Algorithm ◽  
Neural Network Algorithm ◽  
Artificial Neural ◽  
Artificial Neural Network Algorithm

Sangat penting bagi dokter untuk melakukan diagnosa secara dini penyakit tuberculosis agar dapat mengurangi penularan penyakit tersebut kepada masyarakat luas.  Pada penelitian ini, penulis akan menerapkan metode klasifikasi data mining, yaitu Algoritma Jaringan Syaraf Tiruan untuk mendiagnosa penyakit tuberculosis. Berdasarkan hasil pengukuran performa dari model tersebut dengan  menggunakan  metode pengujian Cross Validation, Confusion Matrix dan Kurva ROC, diketahui bahwa algoritma jaringan syaraf tiruan memiliki tingkat akurasi sebesar 89,89% dan nilai area under the curva (AUC) sebesar 0,975. Hal ini menunjukkan bahwa model yang dihasilkan termasuk katagori klasifikasi  sangat baik karena memiliki nilai AUC antara 0.90-1.00.

scholarly journals Data Mining untuk Klasifikasi dengan Algoritma Cart (Classification and Regression Trees)

2018 ◽  
Vol 17 (3) ◽  
pp. 114-124
Author(s):  
Rini Astuti
Keyword(s):  
Data Mining ◽  
Regression Trees ◽  
Classification And Regression Trees ◽  
Classification And Regression

Banyaknya data hasil keluaran dari sebuah sistem informasi dapat menumpuk tidak berguna selama bertahun-tahun, dapat menjadi informasi yang lebih bermakna dengan menggunakan data mining. Data mining merupakan proses mengekstrak sekumpulan data yang dapat menambah nilai informasi berdasarkan keteraturan atau kecenderungan pola tertentu.Salah satu teknik proses pada data mining adalah klasifikasi. Klasifikasi bertujuan untuk mengelompokkan kumpulan data berdasarkan pola atau kriteria tertentu sesuai dengan kebutuhan. Algoritma CART (Classification And Regression Trees) mengelompokkan data dengan cara membagi dua (biner) sehingga menghasilkan sebuah pohon keputusan.

The Application of Classification and Regression Trees Algorithm in the Production Data of Mounter

2011 ◽  
Vol 383-390 ◽  
pp. 4312-4317
Author(s):  
Lu Zhang ◽  
Yan Ling Shang
Keyword(s):  
Data Mining ◽  
Cost Efficiency ◽  
Rapid Development ◽  
Regression Trees ◽  
Classification And Regression Trees ◽  
Production Data ◽  
Useful Knowledge ◽  
Database Technology ◽  
Classification And Regression ◽  
The Cost

With the rapid development of database technology and the explosive data growth, we urgently need a new smart technology to help us translate data into useful knowledge and information; so data mining generate. In this paper, We use the classification and regression trees algorithm to mine the data supplied by a factory and acquire some knowledge which can promote the efficiency of the production and reduce the cost. It proved that this method can improve production and reduce the cost efficiency.

Sign in / Sign up

Export Citation Format

Share Document