TRUNOJOYO-Tugas Akhir-4626-080411100047-Abstract.pdf
Download (178kB)
TRUNOJOYO-Tugas Akhir-4626-080411100047-Cover.pdf
Restricted to Repository staff only
Download (69kB)
TRUNOJOYO-Tugas Akhir-4626-080411100047-Chapter1.pdf
Download (128kB)
TRUNOJOYO-Tugas Akhir-4626-080411100047-Chapter2.pdf
Restricted to Repository staff only
Download (1MB)
TRUNOJOYO-Tugas Akhir-4626-080411100047-Chapter3.pdf
Restricted to Repository staff only
Download (310kB)
TRUNOJOYO-Tugas Akhir-4626-080411100047-Chapter4.pdf
Restricted to Repository staff only
Download (1MB)
TRUNOJOYO-Tugas Akhir-4626-080411100047-Chapter5.pdf
Restricted to Repository staff only
Download (96kB)
TRUNOJOYO-Tugas Akhir-4626-080411100047-References.pdf
Restricted to Repository staff only
Download (105kB)
TRUNOJOYO-Tugas Akhir-4626-080411100047-Appendices.pdf
Restricted to Repository staff only
Download (149kB)
Abstract
Konsep pohon merupakan salah satu konsep teori graf yang paling penting. Pemanfaatan pohon dalam kehidupan sehari-hari adalah untuk menggambarkan hierarki dan pemodelan persoalan, contohnya algoritma pohon keputusan CART. Pohon keputusan adalah model prediksi menggunakan struktur pohon atau struktur berhirarki. Pohon keputusan merupakan salah satu metode klasifikasi yang paling populer karena mudah untuk dipahami. CART merupakan algoritma pohon keputusan yang sering digunakan untuk membuat suatu pohon keputusan karena memiliki tingkat akurasi yang tinggi dalam menentukan keputusan. Pada penelitian ini dibangun aplikasi untuk mengklasifikasi data medis. Aplikasi data medis ini menggunakan algoritma CART yang merupakan algoritma pohon keputusan yang sering digunakan karena memiliki tingkat akurasi yang tinggi dalam menentukan keputusan. Dari hasil ujicoba pengukuran kinerja algoritma menggunkanan 2 skenario yang telah dilakukan, dapat disimpulkan bahwa pada skenario 1 Breast Cancer merupakan ujicoba paling efektif karena akurasi yang dihasilkan sama-sama mencapai 92% pada algoritma CART 150:50 dan 100:100 sebesar 92%. Sedangkan algoritma CART memiliki kinerja (precision, recall, dan accuracy) yang lebih tinggi. dibandingkan algoritma CART Diabetes. Ini terlihat dari nilai akurasi CART 150:50 sebesar 70% sedangkan untuk CART Diabetes 100:100 sebesar 68%.
Kata kunci : Pohon Keputusan, CART, Klasifikasi Data Medis, Breast Canser, Diabetes.
| Item Type | Thesis (Lainnya) |
|---|---|
| Thesis Type | Lainnya |
| Creators | Creators NIM MEGA SEPTI YOLANDA |
| Uncontrolled Keywords | Pohon Keputusan, CART, Klasifikasi Data Medis, Breast Canser, Diabetes. |
| Additional Information | elib mass import |
| Depositing User | Unnamed user with email library@trunojoyo.ac.id |
| Date Deposited | 13 Oct 2026 23:16 |
| Last Modified | 24 Oct 2026 16:43 |
| URI | https://repository.trunojoyo.ac.id/id/eprint/1004 |
