Bayesian Networks Untuk Prediksi Penyakit Ginjal Kronis
Total View This Week0
Total View This Week0
Institusion
Universitas Komputer Indonesia
Author
Darusman, Idza Runianti
Subject
005_Computer Programming, Programs & Data
Datestamp
2019-07-26 04:06:23
Abstract :
Pada penelitian sebelumnya tentang prediksi penyakit ginjal kronis, Lambodar J. dkk telah menggunakan metode naive bayes untuk memprediksi penyakit ginjal kronis. Dari penelitian ini didapatkan hasil akurasi 95%. Setelah dilakukan wawancara dengan Dr. Eva M Hidayat didapatkan hasil bahwa ada beberapa variabel pada data penyakit ginjal kronis yang memiliki relasi dengan variabel lain. Hal ini sangat berlawanan dengan konsep independen yang menjadi syarat dalam penggunaan metode naive bayes. Untuk mengatasi masalah tersebut digunakan metode bayesian networks. Dalam penelitian ini struktur bayesian networks dibuat sesuai hasil wawancara dengan Dr. Eva M Hidayat dan studi pustaka. Estimasi parameter pada bayesian networks ini menggunakan maximum likelihood estimation (MLE). Untuk validasi menggunakan metode 5-fold cross validation. Setelah dilakukan pengujian, didapatkan bahwa variabel blood urea, serum creatine, dan pedal edema memiliki pengaruh paling besar dalam prediksi penyakit ginjal kronis. Selain itu didapatkan nilai rata – rata akurasi 98% pada kondisi class pada dataset sudah seimbang. Hal ini membuktikan bahwa bayesian networks memiliki hasil prediksi yang baik dibandingkan dengan naive bayes yang memiliki akurasi 97%.
Pada penelitian sebelumnya tentang prediksi penyakit ginjal kronis, Lambodar J. dkk telah menggunakan metode naive bayes untuk memprediksi penyakit ginjal kronis. Dari penelitian ini didapatkan hasil akurasi 95%. Setelah dilakukan wawancara dengan Dr. Eva M Hidayat didapatkan hasil bahwa ada beberapa variabel pada data penyakit ginjal kronis yang memiliki relasi dengan variabel lain. Hal ini sangat berlawanan dengan konsep independen yang menjadi syarat dalam penggunaan metode naive bayes. Untuk mengatasi masalah tersebut digunakan metode bayesian networks. Dalam penelitian ini struktur bayesian networks dibuat sesuai hasil wawancara dengan Dr. Eva M Hidayat dan studi pustaka. Estimasi parameter pada bayesian networks ini menggunakan maximum likelihood estimation (MLE). Untuk validasi menggunakan metode 5-fold cross validation. Setelah dilakukan pengujian, didapatkan bahwa variabel blood urea, serum creatine, dan pedal edema memiliki pengaruh paling besar dalam prediksi penyakit ginjal kronis. Selain itu didapatkan nilai rata – rata akurasi 98% pada kondisi class pada dataset sudah seimbang. Hal ini membuktikan bahwa bayesian networks memiliki hasil prediksi yang baik dibandingkan dengan naive bayes yang memiliki akurasi 97%.
File :
UNIKOM_IDZA RUNIANTI DARUSMAN_COVER.pdf
UNIKOM_IDZA RUNIANTI DARUSMAN_LEMBAR PENGESAHAN.pdf
UNIKOM_IDZA RUNIANTI DARUSMAN_BAB 5.pdf
UNIKOM_IDZA RUNIANTI DARUSMAN_DAFTAR PUSTAKA.pdf
UNIKOM_IDZA RUNIANTI DARUSMAN_JURNAL DALAM BAHASA INDONESIA.pdf
UNIKOM_IDZA RUNIANTI DARUSMAN_JURNAL DALAM BAHASA INGGRIS.pdf
UNIKOM_IDZA RUNIANTI DARUSMAN_SURAT KETERANGAN PUBLIKASI.pdf
UNIKOM_IDZA RUNIANTI DARUSMAN_SURAT KETERANGAN ORISINALITAS.pdf
UNIKOM_IDZA RUNIANTI DARUSMAN_KATA PENGANTAR.pdf
UNIKOM_IDZA RUNIANTI DARUSMAN_DAFTAR ISI.pdf
UNIKOM_IDZA RUNIANTI DARUSMAN_BAB 1.pdf
UNIKOM_IDZA RUNIANTI DARUSMAN_BAB 2.pdf
UNIKOM_IDZA RUNIANTI DARUSMAN_BAB 3.pdf
UNIKOM_IDZA RUNIANTI DARUSMAN_BAB 4.pdf
Download
book
BibTex
Latex, Jabref
cloud_download
Original Resource
url resource Institution
