Analisis Performa Algoritma Machine Learning pada Prediksi Penyakit Cerebrovascular Accidents

Zuama, Robi Aziz; Rahmatullah, Syaifur; Yuliani, Yuri

doi:10.30865/mib.v6i1.3488

Cited by 3 publications

(3 citation statements)

References 0 publications

Supporting

Mentioning

Contrasting

Unclassified

Order By: Relevance

“…Berbagai model pembelajaran machine learning telah diusulkan oleh peneliti-peneliti sebelumnya, antara lain Decision Tree [9], Support Vector Machine, Naïve Bayes [10] , [11], Random Forest, Logistic Regression [12], [13].…”

Section: Pendahuluanunclassified

Stroke Prediction Using a Support Vector Machine (Svm)

Patmawati

2023

BUFNETS

View full text Add to dashboard Cite

Based on data from the Indonesian Ministry of Health, there has been an increase in the number of stroke cases by 3.9% from 2013 to 2018. Nationally, the number of stroke cases often occurs in groups that have an age range between 55-64 years and the least occur in the 15-24 age range. A stroke (Cerebrovascular Accident) is a condition where blood flow to the brain is suddenly interrupted or reduced. This can be caused by a blockage or rupture of blood vessels so that cells in the brain area do not get a blood supply that is full of nutrients and oxygen. Early detection is needed which aims to reduce the number of potential deaths from stroke. Stroke prediction is still a challenge in the field of medicine, one of the reasons is the volume of data on medical data which has high heterogeneity and complexity. Machine learning techniques are data analysis models that can be used to predict stroke. Various machine learning models have been proposed by previous researchers, one of which is the Support Vector Machine. This study tries to re-implement the SVM algorithm to get better performance results than previous studies. In this study, the accuracy value was 100% and ROC-AUC values were 100%. Further studies need to be carried out regarding the results obtained to reach 100%.

show abstract

Section: Pendahuluanunclassified

Stroke Prediction Using a Support Vector Machine (Svm)

Patmawati

2023

BUFNETS

View full text Add to dashboard Cite

show abstract

“…Data Splitting atau pemisahan data adalah proses membagi data menjadi dua bagian atau lebih data yang memiliki banyak nilai [13]. Pada tahap data splitting dilakukan pemisahan data yang digunakan untuk memisahkan dari independent variabel dan dependent variabel.…”

Section: Data Splittingunclassified

Perbandingan metode linear regresi dan polynomial regresi untuk memprediksi harga saham studi kasus Bank BCA

Satriyo,

Adi Rizky Pratama,

Rahmat

2023

infotech

View full text Add to dashboard Cite

Era ekonomi modern seperti saat ini perkembangan investasi di indonesia semakin pesat. Saham adalah jenis investasi yang memiliki dampak kuat dalam perekonomian masyarakat. Salah satu saham yang diminati masyarakat yaitu saham Bank BCA. Saham Bank BCA dalam lima tahun terakhir mengalami naik turun relatif cepat. Maka dari itu, dibutuhkannya model suatu data yang dapat mengelola data dalam waktu yang lama untuk memprediksi harga suatu saham. Pada penelitian ini metode Linear Regresi dan Polynomial Regresi digunakan sebagai metode untuk memprediksi harga saham. Proses penelitian ini berfokus pada penerapan dan membandingkan metode mana yang lebih baik, serta untuk mengetahui nilai error pada metode. Data yang digunakan adalah data saham Bank BCA selama lima tahun sebanyak 1252 data. Perhitungan nilai MAPE digunakan untuk pengujian prediksi. Hasil penelitian ini diketahui bahwa kedua metode masuk kriteria sangat baik karena nilai MAPE kurang dari 10%, metode Polynomial Regresi mendapatkan nilai yang lebih baik dibandingkan dengan metode Linear Regresi. Hasil pengujian pada metode Linear Regresi mendapatkan nilai MAPE = 6,55%, sedangkan pada metode Polynomial Regresi mendapatkan nilai MAPE = 6,54%.

show abstract

“…Stroke dapat dicegah dengan menjalankan hidup sehat, makan makanan padat gizi, dan aktivitas fisik. [9] Untuk melakukan ini, model yang efektif untuk memprediksi stroke harus dibuat dengan menggunakan parameter dari faktor gaya hidup, faktor yang dapat disesuaikan, seperti faktor risiko medis, dan faktor yang tidak dapat disesuaikan. Prediksi mungkin tidak selalu memberikan hasil atau prediksi yang akurat; melainkan, mereka berfungsi sebagai panduan untuk memahami dan memperoleh prediksi yang mendekati apa yang bisa terjadi.…”

Section: Pendahuluanunclassified

Komparasi Metode Deep Learning, Naïve Bayes Dan Random Forest Untuk Prediksi Penyakit Jantung

Alhabib¹

2022

Journal of Informatics

View full text Add to dashboard Cite

Jantung adalah organ yang mempunyai peranan penting dalam kelangsungan hidup manusia karena fungsinya untuk mendistribusikan darah dari paru-paru ke seluruh bagian tubuh, yang dimana darah tersebut mengandung banyak sekali oksigen sehingga dapat membantu proses metabolisme di dalam tubuh manusia. Ada banyak aktivitas dalam tubuh manusia yang tidak dapat diprediksi dalam bentuk umum. Serangan jantung adalah salah satunya, dan itu adalah aktivitas yang sangat serius dalam tubuh manusia yang menyebabkan kematian manusia. Meskipun tidak terlalu terlihat dalam kondisi normal, itu dilakukan secara tiba-tiba. Jadi ini adalah salah satu kejadian yang sangat tidak terduga dalam tubuh manusia. Dengan kemajuan teknologi beberapa algoritma penambangan data dikembangkan untuk memprediksi serangan jantung. Dalam kelanjutannya, algoritma penambangan data yang berbeda, dengan pendekatan machine learning mampu memprediksi terjadinya serangan jantung dalam tubuh manusia. Ini adalah salah satu tugas diagnosis yang khas, tetapi harus dicapai secara akurat dan efisien dengan bantuan pembelajaran mesin. penelitian ini adalah upaya untuk memodelkan dan memecahkan masalah prediksi serangan jantung. Algoritma mesin yang berbeda seperti Deep Learning, Naives Bayes dan Random Forest diambil di sini untuk membentuk model dalam penelitian ini. pendekatan pembelajaran mesin adalah pendekatan yang baik untuk memprediksi terjadinya serangan jantung. Dataset diambil dari laman Kaggle dengan judul heart attack analysis dan prediction dataset. Akurasi paling tinggi yang dapat dihasilkan adalah menggunakan metode algortma deep learning dimana menghasilkan akurasi yang bernilai, yaitu 83,49%.

show abstract

Analisis Performa Algoritma Machine Learning pada Prediksi Penyakit Cerebrovascular Accidents

Cited by 3 publications

References 0 publications

Stroke Prediction Using a Support Vector Machine (Svm)

Stroke Prediction Using a Support Vector Machine (Svm)

Perbandingan metode linear regresi dan polynomial regresi untuk memprediksi harga saham studi kasus Bank BCA

Komparasi Metode Deep Learning, Naïve Bayes Dan Random Forest Untuk Prediksi Penyakit Jantung

Contact Info

Product

Resources

About