RAMA HIOLA, 091070831 (2013) PENGEMBANGAN POHON KLASIFIKASI MENGGUNAKAN BOOTSTRAP ENSEMBLE PADA KASUS DIABETES MELITUS DI RSUD DR.M.M. DUNDA KABUPATEN GORONTALO. Disertasi thesis, UNIVERSITAS AIRLANGGA.
|
Text (ABSTRAK)
gdlhub-gdl-s3-2014-hiolarama-32322-9.abstr-k.pdf Download (317kB) | Preview |
|
![[img]](https://repository.unair.ac.id/style/images/fileicons/text.png) |
Text (FULL TEXT)
32855.pdf Restricted to Registered users only Download (1MB) | Request a copy |
Abstract
Metode statistika yang dapat digunakan untuk pengklasifikasian adalah analisis diskriminan dan regresi logistik. Pendekatan analisis diskriminan harus memenuhi asumsi yaitu data harus berdistribusi normal multivariat dan matrik kovarian yang sama untuk setiap populasi. Metoda regresi logistik memiliki beberapa kelemahan yaitu nilai yang dihasilkan dari model regresi logistik berupa nilai probabilitas dan memerlukan data yang lengkap, serta sensitif terhadap outlier. Metode lain yang dapat digunakan untuk pengklasifikasian adalah pohon klasifikasi, fleksibel, dapat diaplikasikan pada struktur data apapun, praktis dalam penggunaan dan interpretasi. Untuk melihat seberapa akurat ringkasan suatu data digunakan bootstrap. Kajian yang dikembangkan adalah apakah prosedur pohon klasifikasi yang maksimal dengan melibatkan dugaan parameter dapat dikembangkan melalui Bootstrap Ensemble. Tujuan penelitian adalah untuk menunjukkan bahwa Bootstrap Ensemble dapat diaplikasikan pada model pohon klasifikasi kasus DM pasien di RSUD Dr. M.M dunda Kabupaten Gorontalo. Hasil penelitian menunjukkan bahwa bootstrap dapat diterapkan pada pohon klasifikasi dan bootstrap ensemble (bagging dan arcing) pohon klasifikasi. Fleksibilitas dari pendekatan bootstrap ensemble pohon klasifikasi memberikan performance kinerja yang lebih baik dibanding dengan regresi logistik dan diskriminan. Hal ini dapat dilihat dari nilai ketepatan klasifikasi baik data learning dan data testing pada pengelompokan pasien DM di RSUD. M.M. Dunda Kabupaten Gorontalo. Pasien DM dipengaruhi oleh faktor riwayat keluarga, obesitas, umur dan jenis kelamin dengan nilai prediksi pada klasifikasi 91.30 persen. Model dengan menggunakan Ensemble Bagging Pohon Klasifikasi (50) dan Ensemble Arcing Pohon Klasifikasi (150) merupakan model terbaik karena menghasilkan nilai ketepatan klasifikasi paling tingg 97.80 persen.
| Item Type: | Thesis (Disertasi) | |||||||||
|---|---|---|---|---|---|---|---|---|---|---|
| Additional Information: | KKC KK DIS. IK 12-14 Hio p | |||||||||
| Uncontrolled Keywords: | Pohon Klasifikasi, Ensemble, Bagging, Arcing | |||||||||
| Subjects: | H Social Sciences > HD Industries. Land use. Labor > HD28-70 Management. Industrial Management H Social Sciences > HD Industries. Land use. Labor > HD30.28 Strategic planning R Medicine > RC Internal medicine > RC648-665 Diseases of the endocrine glands. Clinical endocrinology T Technology > TX Home economics > TX901-946.5 Hospitality industry. Hotels, clubs, restaurants, etc. Food service |
|||||||||
| Divisions: | 09. Sekolah Pasca Sarjana > Ilmu Kesehatan | |||||||||
| Creators: |
|
|||||||||
| Contributors: |
|
|||||||||
| Depositing User: | Nn Anisa Septiyo Ningtias | |||||||||
| Date Deposited: | 07 Jul 2017 00:26 | |||||||||
| Last Modified: | 07 Jul 2017 00:27 | |||||||||
| URI: | http://repository.unair.ac.id/id/eprint/32855 | |||||||||
| Sosial Share: | ||||||||||
Actions (login required)
 |
View Item |