PERBANDINGAN ALGORITMA PADA PENDEKATAN SUPERVISED LEARNING MENGGUNAKAN SELEKSI FITUR CHI-SQUARE UNTUK KETEPATAN KLASIFIKASI STATUS KESEHATAN JEMAAH HAJI

Nopebrian, Adliani Awalia (2024) PERBANDINGAN ALGORITMA PADA PENDEKATAN SUPERVISED LEARNING MENGGUNAKAN SELEKSI FITUR CHI-SQUARE UNTUK KETEPATAN KLASIFIKASI STATUS KESEHATAN JEMAAH HAJI. Sarjana thesis, Universitas Siliwangi.

[img] Text
1. COVER.pdf
Download (101kB)
[img] Text
2. LEMBAR PENGESAHAN.pdf
Download (1MB)
[img] Text
3. PERNYATAAN.pdf
Download (333kB)
[img] Text
4. ABSTRAK.pdf
Download (222kB)
[img] Text
5. LEMBAR PERSEMBAHAN.pdf
Download (118kB)
[img] Text
6. KATA PENGANTAR.pdf
Download (221kB)
[img] Text
7. DAFTAR(DAFTAR ISI, TABEL, GAMBAR, DAN LAMPIRAN).pdf
Download (272kB)
[img] Text
8. BAB I.pdf
Download (194kB)
[img] Text
9. BAB II.pdf
Download (336kB)
[img] Text
10. BAB III.pdf
Download (291kB)
[img] Text
11. BAB IV.pdf
Restricted to Repository staff only
Download (1MB)
[img] Text
12. BAB V.pdf
Restricted to Repository staff only
Download (182kB)
[img] Text
13. DAFTAR PUSTAKA.pdf
Download (193kB)
[img] Text
14. LAMPIRAN.pdf
Restricted to Repository staff only
Download (1MB)

Abstract

Kesehatan merupakan suatu hal penting yang perlu diperhatikan dan menjadi faktor utama dalam kelancaran ibadah haji. Jemaah haji perlu memiliki kondisi fisik serta mental prima yang merupakan bagian penting dalam memenuhi syarat istithaah . Angka kematian jemaah haji tiap tahunnya selalu terjadi sehingga diperlukan upaya pencegahan dan penanganan kesehatan yang lebih optimal. Pengolahan data mining penting untuk menentukan ketepatan klasifikasi data kesehatan jemaah haji yang dapat digunakan sebagai bahan evaluasi kondisi kesehatan jemaah. Penelitian ini bertujuan untuk membandingkan algoritma pada pendekatan supervised learning dengan seleksi fitur Chi-Square dalam menentukan ketepatan klasifikasi status kesehatan jemaah haji di wilayah Tasikmalaya tahun 2024. Algoritma yang dibandingkan yaitu algoritma Decision Tree, Random Forest, AdaBoost, dan XGBoost. Keempat algoritma tersebut dipilih dikarenakan memiliki kemampuan yang kuat dalam menangani data yang kompleks, serta efisien dalam menangani berbagai jenis data. Berdasarkan hasil penelitian, penerapan seleksi fitur Chi-Square mampu meningkatkan akurasi setiap algoritma yang digunakan dalam pendekatan supervised learning. Hasil evaluasi dengan confusion matrix menunjukkan algoritma XGBoost setelah menggunakan seleksi fitur Chi-Square, memiliki memiliki akurasi tertinggi sebesar 97,21% jika dibandingkan dengan algoritma Decision Tree yang hanya mencapai 95,61%, Random Forest 96,81%, dan AdaBoost 89,94%. Kata Kunci: Chi-Square, Data Mining, Kesehatan Jemaah Haji, Supervised Learnin

Item Type: Thesis (Sarjana)
Subjects: T Technology > T Technology (General)
Divisions: Fakultas Teknik > Informatika
Depositing User: Lelis Masridah
Date Deposited: 30 Jan 2025 02:16
Last Modified: 30 Jan 2025 02:16
URI: http://repositori.unsil.ac.id/id/eprint/14988

Actions (login required)

View Item View Item