Article Per Year (5 Year)
p-Index From 2019 - 2024
1.704
P-Index
This Author published in this journals
All Journal CESS (Journal of Computer Engineering, System and Science) Jurnal Responsif : Riset Sains dan Informatika Simpatik: Jurnal sistem Informasi dan Informatika Indonesian Journal Computer Science (ijcs)
Ramdhan Saepul Rohman
Universitas Bina Sarana Informatika
Computer Science & IT

Published : 10 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 1 Documents
Search
Journal : CESS (Journal of Computer Engineering, System and Science)

 1 
Komparasi Algoritma C4.5 Berbasis PSO Dan GA Untuk Diagnosa Penyakit Stroke Ramdhan Saepul Rohman; Rizal Amegia saputra; Dasya Arif Firmansaha
CESS (Journal of Computer Engineering, System and Science) Vol 5, No 1 (2020): Januari 2020
Publisher : Universitas Negeri Medan

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (995.616 KB) | DOI: 10.24114/cess.v5i1.15225

Abstract

Abstrak— Stroke merupakan  gangguan  fungsi  otak  baik  lokal  maupun  menyeluruh yang disebabkan karena pasokan darah ke otak terganggu yang terjadi secara cepat dan berlangsung lebih dari  24  jam  atau  berakhir  dengan  kematian. Stroke Merupakan 1 dari 10 jenis penyakit yang paling mematikan di Indonesia. Hal ini berdasarkan pada data yang dikumpulkan dari sampel yang mewakili Indonesia, meliputi 41.590 kematian sepanjang 2014 dan pada semua kematian itu dilakukan autopsi verbal, sesuai pedoman Badan Kesehatan Dunia. Pentingnya mengetahui gejala sejak dini merupakan langkah awal dalam mencegahan terjadinya stroke. Maka itu, dilakukan penelitian untuk menganalisa data terkait dengan penyebab stroke. Adapun atribut yang terlibat dalam penyebab terjadinya stroke yakni, usia, jenis kelamin, kadar glukosa, riwayat penyakit jantung, hipertensi, tipe pekerjaan, tipe tempat tinggal, status merokok, index masa tubuh dan status pernikahan. Diperlukan suatu algortima tertentu untuk mengklasifikasikan semua atribut tersebut. C45 merupakan Algoritma yang paling banyak digunakan, dalam kasus ini akurasi dari algoritma C4.5 sebesar 99.07%. Selanjutnya Algoritma C4.5 dioptimasi dengan menggunakan Particle Swarm Optimization sehingga memperoleh akurasi sebesar 99.28% dan Algorittma C4.5 juga dioptimasi dengan menggunakan Genetic Algorithm sehingga memperoleh akurasi sebesar 99.38%.
Co-Authors Ahmad Naufal Jiddan Dasya Arief Firmansah Dasya Arief Firmansah Dasya Arif Firmansaha Erni Ermawati Eva Marsusanti Gunawan Mahisa Yudhistira Muhammad Akbar Wahyudi Muhammad Ikhsan Firmansyah Renny Oktapiani Rizal Amegia Saputra Yulhan Wahyudin