OPTIMALISASI PREPROCESSING DATA MENGGUNAKAN PENDEKATAN CRISP-DM UNTUK MENINGKATKAN KUALITAS KLASIFIKASI PENYAKIT JANTUNG

Nursahid, Wahyu (2025) OPTIMALISASI PREPROCESSING DATA MENGGUNAKAN PENDEKATAN CRISP-DM UNTUK MENINGKATKAN KUALITAS KLASIFIKASI PENYAKIT JANTUNG. Other thesis, Universitas Harkat Negeri.

	Text (COVER) OPTIMALISASI PREPROCESSING DATA MENGGUNAKAN CRISP-DM UNTUK MENINGKATKAN KUALITAS KLASIFIKASI PENYAKIT JANTUNG.pdf Download (457kB)
	Text (BAB I) BAB I.pdf Download (183kB)
	Text (BAB II) BAB II.pdf Download (239kB)
	Text (BAB III) BAB III.pdf Restricted to Registered users only Download (349kB)
	Text (BAB IV) BAB IV.pdf Restricted to Registered users only Download (608kB)
	Text (BAB V) BAB V.pdf Download (175kB)
	Text (DAFTAR PUSTAKA) DAFTAR PUSTAKA.pdf Download (186kB)
	Text (LAMPIRAN) LAMPIRAN.pdf Download (598kB)

Abstract

Peningkatan kualitas data merupakan langkah krusial dalam sistem klasifikasi berbasis machine learning, khususnya dalam kasus deteksi penyakit jantung. Penelitian ini bertujuan untuk menyusun dan menguji beberapa skema preprocessing data secara terstruktur dalam kerangka metodologi CRISP-DM (Cross Industry Standard Process for Data mining), serta mengevaluasi pengaruhnya terhadap performa klasifikasi menggunakan algoritma K-Nearest Neighbors (KNN). Empat skema preprocessing dirancang secara bertahap dengan kombinasi tahapan Cleaning, Transformation, dan Reduction, termasuk penggunaan Normalisasi, balancing dengan SMOTE, dan seleksi fitur menggunakan information Gain. Evaluasi dilakukan menggunakan teknik 10-fold Cross-validation dengan metrik akurasi, presisi, Recall, F1-score, dan AUC. Hasil penelitian menunjukkan bahwa variasi skema preprocessing memberikan dampak signifikan terhadap performa model. Skema paling lengkap, yang menggabungkan Normalisasi, SMOTE, dan seleksi fitur, menghasilkan performa terbaik dengan akurasi sebesar 81,26%, Precision 83,36%, Recall 83,25%, F1-score 83,00%, dan AUC 0,8460. Penelitian ini memberikan kontribusi teoritis dalam memperkuat pemahaman pentingnya kualitas data dalam siklus data mining, serta kontribusi praktis berupa panduan eksplisit dalam menyusun skema preprocessing yang dapat direplikasi oleh peneliti maupun praktisi. Temuan ini juga dapat menjadi acuan dalam pengembangan sistem klasifikasi penyakit yang lebih andal untuk mendukung diagnosis dini penyakit jantung dan pengambilan keputusan klinis secara lebih tepat. Kata Kunci: Preprocessing, CRISP-DM, KNN, Klasifikasi, Penyakit Jantung, Data Preparation

Item Type:	Thesis (Other)
Subjects:	T Technology > T Technical Information
Divisions:	Teknik > Strata 1 Teknik Informatika
Depositing User:	Wahyu Nursahid
Date Deposited:	12 Jun 2026 02:49
Last Modified:	12 Jun 2026 02:49
URI:	http://repository.harkatnegeri.ac.id/id/eprint/7068

Actions (login required)

View Item