Image of Implementasi Algoritma C4.5 (Decision Tree) Pada Klasifikasi Gangguan Tidur Menggunakan Metode CRISP-DM

Teks

Implementasi Algoritma C4.5 (Decision Tree) Pada Klasifikasi Gangguan Tidur Menggunakan Metode CRISP-DM

Gangguan tidur adalah kondisi yang mempengaruhi kualitas, jumlah, dan waktu
tidur di malam hari. Gejala gangguan tidur dapat bervariasi secara luas, dan
beberapa gejala juga dapat muncul pada gangguan tidur yang berbeda. Diagnosa
gangguan tidur merupakan proses yang rumit dan memakan waktu. Oleh karena itu,
diperlukan studi untuk mengembangkan solusi yang efektif dalam mendiagnosa dan
mengelola gangguan tidur.
Penelitian ini menggunakan metode Eksperimen dengan pendekatan algoritma
Decision Tree (C4.5) sebagai metode klasifikasi untuk memprediksi gangguan
tidur, dengan menggunakan kerangka kerja Cross Industry Standard Process for
Data mining (CRISP-DM). Data yang digunakan dalam penelitian ini adalah
dataset Kualitas Kesehatan dan Gaya Hidup yang bersifat publik dan bersumber
dari situs Kaggle yang didapat dari situs resmi kaggle.com.
Berdasarkan hasil penelitian, algoritma C4.5 menunjukkan tingkat akurasi sebesar
83,04%, dengan rata-rata Precision sebesar 81,20%, recall 78,13%, dan f1-score
sebesar 78,56%. Hal ini menunjukkan bahwa algoritma Decision Tree (C4.5)
efektif dalam membantu proses diagnosis gangguan tidur, memberikan hasil
prediktif yang mendekati realitas klinis, dan dapat diandalkan sebagai alat bantu
diagnosis bagi para tenaga medis

Ketersediaan
S00046.24RF TI.S00046.24 Ham iMy Library (Referensi)Tersedia
Informasi Detail
Judul Seri
-
No. Panggil
RF TI.S00046.24 Ham i
Penerbit
Paguyangan : STMIK MPB.,
Deskripsi Fisik
xvi,63hlm.;30cm
Bahasa
Indonesia
ISBN/ISSN
-
Klasifikasi
TI.S00046.24
Tipe Isi
-
Tipe Media
-
Tipe Pembawa
-
Edisi
-
Subjek
algoritma c4.5
Gangguan Tidur
CRIPS-DM
Info Detail Spesifik
Dilengkapi CD
Pernyataan Tanggungjawab
Versi lain/terkait

Tidak tersedia versi lain

Lampiran Berkas
Komentar
Anda harus masuk sebelum memberikan komentar