Adhitya Karel Maulaya
STMIK Amik Riau

Published : 1 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 1 Documents
Search

Implementasi Algoritma Decision Tree C4.5 dan Support Vector Regression untuk Prediksi Penyakit Stroke: Implementation of Decision Tree Algorithm C4.5 and Support Vector Regression for Stroke Disease Prediction Firman Akbar; Hanif Wira Saputra; Adhitya Karel Maulaya; Muhammad Fikri Hidayat; Rahmaddeni Rahmaddeni
MALCOM: Indonesian Journal of Machine Learning and Computer Science Vol. 2 No. 2 (2022): MALCOM October 2022
Publisher : Institut Riset dan Publikasi Indonesia

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (321.237 KB) | DOI: 10.57152/malcom.v2i2.426

Abstract

Data mining adalah proses pengumpulan informasi dan data penting dari sejumlah besar data yang perlu diekstraksi untuk mengubahnya menjadi informasi baru yang berguna untuk  pengambilan keputusan. Data yang digunakan dalam penulisan ini berasal dari data pengidap neurologi (saraf) tepatnya stroke, diolah menggunakan algoritma Support Vector Regression dan Decision Tree C4.5. Stroke disebabkan oleh pecahnya pembuluh darah dan tersumbatnya pembuluh darah arteri di otak, sehingga mengakibatkan kematian sel atau jaringan karena tidak mensuplai darah yang dibutuhkan untuk membawa oksigen ke bagian otak. Suatu cara untuk meninjau stroke adalah data mining, yang memakai algoritma Support Vector Regression dan Decision Tree C4.5. Hasil laporan ini mengidentifikasi pengidap penyakit stroke pada variabel yang didapati dan menganalisisnya memakai algoritma data mining Decision Tree C4.5 dan Support Vector Regression. Dapat dilihat jika error yang dihasilkan oleh algoritma Decision Tree C4.5 terhadap rasio 70 : 30 bernilai 0.235, Selanjutnya untuk algoritma Support Vector Regression terhadap rasio 70 : 30 bernilai 0.399, Dalam menggunakan algoritma  Decision Tree C4.5, maka akan menghasilkan output tambahan berupa sebuah grafik pohon keputusan dimana terdapat alur dalam memprediksi.