Skripsi

OPTIMASI KLASIFIKASI IMBALANCED DATA MENGGUNAKAN ADAPTIVE MODIFIED HIDDEN LAYER NEURAL NETWORK DAN SELEKSI FITUR PADA DATA REKAM MEDIS

---

Data Rekam Medis merupakan bagian penting dalam bidang kesehatan guna membantu dalam deteksi dan penegakkan diagnosis penyakit. Peningkatan jumlah data pasien meyebabkan tingginya perbedaan hasil diagnosa antara pasien normal dengan positif sakit yang menimbulkan ketidakseimbangan data. Ketidakseimbangan data menyebabkan penurunan nilai akurasi pada proses klasifikasi untuk mendeteksi penyakit karena distribusi data yang tidak seimbang. Beberapa penelitian terdahulu telah melakukan optimasi dengan menambahkan metode untuk menyeimbangkan data atau memodifikasi beberapa algoritma pembelajaran mesin dengan cara mengabungkan, membuat fungsi tambahan atau memperbaiki dari pra proses, penetapan fitur dan modifikasi algoritma klasifikasi. Pada penelitian ini Untuk meningkatkan akurasi hasil, model arsitektur klasifikasi diusulkan melalui perbaikan metode oversampling dengan memodifikasi metode Synthetic Minority Oversampling Technique (SMOTE), mengubah perhitungan jarak dengan metode Minkowski dan menambahkan entropy sebagai estimasi nilai bobot untuk mengetahui jumlah sampel yang akan dibuat. Model arsitektur yang diusulkan juga menambahkan perbandingan metode pemilihan fitur metaheuristik antara Binary Whale Optimization (BWOA) dan Particle Swarm Optimization yang dihybrid dengan Grey Wolf Optimization (PSOGWO) sebagai alternatif untuk meningkatkan kinerja dengan membuang data yang redundan atau tidak relevan sehingga mempercepat waktu pelatihan, menyederhanakan model, dan membuat interpretasi lebih mudah dan meningkatkan generalisasi dengan mengurangi overfitting. Proses klasifikasi akan menguji hasil data yang telah diseimbangkan dengan jumlah fitur terbaik menggunakan metode klasifikasi KNN, Naïve Bayes, Decision Tree, Random Forest, Logistic Regression, SVM dan Adaptive Modified Hidden Layer Neural Network. Hasil nilai akurasi tertinggi dari model yang diusulkan rata-rata sebesar 89,58% yang diujicoba pada data penyakit diabetes dan jantung. Kata kunci: Klasifikasi, Rekam Medis, Hidden Layer, Seleksi Fitur, Imbalanced Data

---

Availability

Detail Information

Series Title

-

Call Number

T1819392025

Publisher

Palembang : Prodi Doktor Ilmu Teknik, Fakultas Teknik Universitas Sriwijaya., 2025

Collation

xiii,101 hlm.; ilus.; tab, 29 cm

Language

Indonesia

ISBN/ISSN

-

Classification

620.07

Content Type

Text

Media Type

unmediated

Carrier Type

other (computer)

Edition

-

Subject(s)

Ilmu Teknik
Prodi Doktor Ilmu Teknik

Specific Detail Info

-

Statement of Responsibility

MURZ

Other version/related

File Attachment

Comments

---

You must be logged in to post a comment