Anda belum Log-in!
Silahkan Log in
Selamat Datang di Portal Digital Content Publisher
Selasa , 03 November 2026
Perpustakaan sebagai jantung pendidikan tinggi di Indonesia, harus mampu memberi kontribusi yang berarti bagi pelaksanaan proses belajar mengajar di perguruan tinggi.
di-posting oleh 200411100211 pada 2025-08-16 01:08:16 • 105 klik
IMPLEMENTASI ALGORITMA C5.0 PADA KLASIFIKASI PENYAKIT DEMAM BERDARAH DENGUE (STUDI KASUS : PUSKESMAS SINGGAHAN)
IMPLEMENTATION OF THE C5.0 ALGORITHM IN THE CLASSIFICATION OF DENGUE HEMORRHAGIC FEVER DISEASE (CASE STUDY: SINGGAHAN PUBLIC HEALTH CENTER)
disusun oleh DALIH ZULFA STEFFANI PRADANA
| Subyek: | Demam Berdarah Dengue K-Fold Cross Validation Algoritma C5.0 Klasifikasi |
| Kata Kunci: | Demam Berdarah Dengue K-Fold Cross Validation Algoritma C5.0 Klasifikasi |
[ Anotasi Abstrak ]
Penyakit Demam Berdarah Dengue (DBD) merupakan salah satu ancaman kesehatan yang signifikan di kawasan tropis, termasuk Indonesia. Deteksi dini terhadap DBD menjadi kunci penting untuk mencegah peningkatan angka kematian dan penyebaran kasus. Penelitian ini bertujuan untuk mengimplementasikan algoritma Decision Tree C5.0 dalam proses klasifikasi penyakit DBD menggunakan 200 data pasien dari Puskesmas Singgahan. Dataset yang digunakan mencakup 11 atribut klinis dan demografis, seperti trombosit, hematokrit, IgG, IgM, dan gejala umum.Tahapan penelitian meliputi preprocessing, transformasi, normalisasi, dan evaluasi melalui tiga skenario pengujian. Skenario 1 dengan pembagian data latih-uji menghasilkan akurasi 98.33% (rasio 70:30), 97.50% (rasio 80:20), dan 100% (rasio 90:10), di mana hasil 100% diidentifikasi sebagai potensi overfitting. Skenario dengan menggunakan validasi silang memberikan estimasi kinerja, dengan Skenario 2 (K-Fold 5) mencapai akurasi 88.00% dan Skenario 3 (K-Fold 10) mencapai 93.50%. Hasil ini menunjukkan bahwa algoritma C5.0 sangat efektif dalam mengklasifikasikan kasus DBD.
Deskripsi Lain
Dengue Hemorrhagic Fever (DHF) is a significant health threat in tropical regions, including Indonesia. Early detection of DHF is key to preventing an increase in mortality rates and the spread of cases. This study aims to implement the Decision Tree C5.0 algorithm in the DHF disease classification process using 200 patient data from the Singgahan Community Health Center. The dataset used includes 11 clinical and demographic attributes, such platelets, hematocrit, IgG, IgM, and general symptoms. The research stages include preprocessing, transformation, normalization, and evaluation through three testing scenarios. Scenario 1 with training-test data distribution produces accuracies of 98.33% (70:30 ratio), 97.50% (80:20 ratio), and 100% (90:10 ratio), where the 100% result is identified potential overfitting. Scenarios using cross-validation provided performance estimates, with Scenario 2 (K-Fold 5) achieving 88.00% accuracy and Scenario 3 (K-Fold 10) achieving 93.50%. These results indicate that the C5.0 algorithm is highly effective in classifying dengue cases.
| Kontributor | : HUSNI,S.KOM.,M.T.;DR.EKA MALA SARI ROCHMAN, S.KOM.,M.KOM. |
| Tanggal tercipta | : 2025-07-04 |
| Jenis(Tipe) | : Text |
| Bentuk(Format) | |
| Bahasa | : Indonesia |
| Pengenal(Identifier) | : TRUNOJOYO-Tugas Akhir-37910 |
| No Koleksi | : 200411100211 |
Download File Penyerta (khusus anggota terdaftar)
1. TRUNOJOYO-Tugas Akhir-37910-Abstract.pdf - 188 KB 2. TRUNOJOYO-Tugas Akhir-37910-Cover.pdf - 991 KB 3. TRUNOJOYO-Tugas Akhir-37910-Chapter1.pdf - 255 KB 4. TRUNOJOYO-Tugas Akhir-37910-Chapter2.pdf - 522 KB 5. TRUNOJOYO-Tugas Akhir-37910-Chapter3.pdf - 423 KB 6. TRUNOJOYO-Tugas Akhir-37910-Chapter4.pdf - 1251 KB 7. TRUNOJOYO-Tugas Akhir-37910-Conclusion.pdf - 190 KB 8. TRUNOJOYO-Tugas Akhir-37910-References.pdf - 212 KB 9. TRUNOJOYO-Tugas Akhir-37910-Appendices.pdf - 4270 KB
Dokumen sejenis...Tidak ada !
Dokumen yang bertautan...- IDENTIFIKASI UNTUK PENENTUAN TINGKAT KESESUAIAN LAHAN TERHADAP PADI SAWAH MENGGUNAKAN METODE LEARNING VECTOR QUANTIZATION DENGAN VISUALISASI GOOGLE MAPS API
- Sistem Analisis Sentimen Produk Telkomsel dari Opini Twitter Berbahsa Indonesia Menggunakan Metode Naive Bayes Classifier
- KLASIFIKASI KOMPLEKSITAS VISUAL CITRA BERDASARKAN STRUCTURE, NOISE, DAN DIVERSITY MENGGUNAKAN SISTEM INFERENSI FUZZY MAMDANI
- Klasifikasi Efektifitas Pencapaian Belajar Menghafal Asmaul Husna Melalui Metode Pembelajaran Hanifida Menggunakan Game Edukai Dengan Metode Fuzzy
- RANCANG BANGUN E-DOCUMENT DI KANTOR PELAYANAN PERIJINAN TERPADU KABUPATEN BANGKALAN MENGGUNAKAN NAIVE BAYES CLASSIFIER
Kembali ke Daftar