2 research outputs found
Perbandingan Algoritma Naïve Bayes Dan Decision Tree C4.5 Untuk Klasifikasi Readmisi Pasien Diabetes Menggunakan Pengukuran HbA1c
No full textABSTRAKLuki, Asa. 2019. Perbandingan Algoritma Naïve Bayes Dan Decision Tree C4.5 Untuk Klasifikasi Readmisi Pasien Diabetes Menggunakan Pengukuran HbA1c. Draft Skripsi. Jurusan Teknik Elektro, Fakultas Teknik, Universitas Negeri Malang. Pembimbing: (I) Harits Ar Rosyid, S.T., M.T., Ph.D., Pembimbing: (II) Utomo Pujianto, S.Kom., M.Kom.Kata kunci : Diabetes, Naïve Bayes, Decision Tree C4.5, KlasifikasiDiabetes merupakan penyakit gangguan metabolik akibat pankreas tidak memproduksi cukup insulin atau tubuh tidak dapat menggunakan insulin yang diproduksi secara efektif. Pemeriksaan HbA1c (glycated hemoglobin) sangat penting untuk mengetahui kondisi pasien diabetes. Pemeriksaan HbA1c bertujuan untuk mengukur kadar glukosa rata-rata pasien selama 2-3 bulan ke belakang. Tes ini akan mengukur kadar gula darah yang terikat pada hemoglobin, yaitu protein yang berfungsi membawa oksigen dalam darah. Readmisi Rumah Sakit (Hospital Readmission) merupakan suatu tindakan atau kejadian seorang pasien dirawat kembali yang sebelumnya telah mendapatkan layanan rawat inap dirumah sakit. Proses readmisi dikaitkan dengan perhitungan kualitas penanganan pasien di rumah sakit. Penelitian ini bertujuan untuk mengetahui perbandingan kinerja Algoritma Naïve Bayes dan Decision Tree C4.5 dalam mengklasifikasi readmisi pasien diabetes berdasarkan pasien yang melakukan pemeriksaan HbA1c saja. Penelitian ini juga membandingkan kinerja beberapa metode preprocessing dalam melakukan permodelan hasil klasifikasi nantinya. Terdapat delapan skenario dalam membandingkan tahapan preprocessing dan metode algoritma sekaligus. Perbandingan preprocessing yang dilakukan antara lain dengan membandingkan kinerja Synthetic Minority Over-Sampling Technique (SMOTE) dengan metode feature selection. Hasil penelitian ini berupa hasil kinerja terbaik untuk klasfikasi readmisi rumah sakit dari beberapa skenario ujicoba yang telah dilakukan. Metode algoritma C4.5 menunjukan hasil evaluation metrics terbaik dalam mengklasifikasikan readmisi pasien diabetes dengan skenario yang mengkombinasikan metode preprocessing SMOTE dan feature selection, hasil perhitungannya antara lain akurasi sebesar 82.74%, precision 87.1% dan recall 82,7%. Pada skenario yang sama algoritma Naïve Bayes mendapatkan nilai akurasi sebesar 79.39%, precision 79,50%, dan recall 79,40%
Comparison of Naïve Bayes Algorithm and Decision Tree C4.5 for Hospital Readmission Diabetes Patients using HbA1c Measurement
Full text linkDiabetes is a metabolic disorder disease in which the pancreas does not produce enough insulin or the body cannot use insulin produced effectively. The HbA1c examination, which measures the average glucose level of patients during the last 2-3 months, has become an important step to determine the condition of diabetic patients. Knowledge of the patient's condition can help medical staff to predict the possibility of patient readmissions, namely the occurrence of a patient requiring hospitalization services back at the hospital. The ability to predict patient readmissions will ultimately help the hospital to calculate and manage the quality of patient care. This study compares the performance of the Naïve Bayes method and C4.5 Decision Tree in predicting readmissions of diabetic patients, especially patients who have undergone HbA1c examination. As part of this study we also compare the performance of the classification model from a number of scenarios involving a combination of preprocessing methods, namely Synthetic Minority Over-Sampling Technique (SMOTE) and Wrapper feature selection method, with both classification techniques. The scenario of C4.5 method combined with SMOTE and feature selection method produces the best performance in classifying readmissions of diabetic patients with an accuracy value of 82.74 %, precision value of 87.1 %, and recall value of 82.7 %
