Laporan KK A09
Laporan KK A09
KECERDASAN KOMPUTASIONAL
Disusun Oleh :
Hasna Lathifah P 5025201108
Agnesfia Anggraeni 5025201059
Theresia Nawangsih 5025201144
A. Deskripsi Dataset
Dataset ini berasal dari Andras Janosi, Hungarian Institute of Cardiology. Tujuan dari
kumpulan data ini adalah untuk memprediksi secara diagnostik apakah seorang pasien
menderita gagal jantung, berdasarkan pengukuran diagnostik tertentu yang termasuk
dalam kumpulan data/dataset. Dataset ini terdiri dari 12 kolom dan 918 baris.
Terdapat 12 atribut
B. Metode
1. KNN (K-Nearest Neighbor)
KNN merupakan algoritma klasifikasi yang bekerja dengan mengambil
sejumlah K data terdekat (tetangganya) sebagai acuan untuk menentukan kelas dari
data baru. Algoritma ini mengklasifikasikan data berdasarkan similarity atau
kemiripan atau kedekatannya terhadap data lainnya.
Hasil :
0.6847826086956522
2. Decission Tree
Decision Tree adalah algoritma machine learning yang menggunakan
seperangkat aturan untuk membuat keputusan dengan struktur seperti pohon yang
memodelkan kemungkinan hasil, biaya sumber daya, utilitas dan kemungkinan
konsekuensi atau resiko. Konsepnya adalah dengan cara menyajikan algoritma dengan
pernyataan bersyarat, yang meliputi cabang untuk mewakili langkah-langkah
pengambilan keputusan yang dapat mengarah pada hasil yang menguntungkan.
Hasil :
0.7771739130434783
3. SVM (Support Vector Machine)
SVM merupakan salah satu algoritma machine learning dengan pendekatan
berbasis suppervised learning yang dapat digunakan untuk masalah klasifikasi dan
regresi. SVM telah digunakan dalam klasifikasi teks, hiperteks dan gambar.
Hasil :
Accuracy: 71.37 %
Std. Dev: 5.78 %
4. ANN (Artificial Neural Network)
ANN merupakan model komputasi yang meniru cara kerja sel saraf di otak
manusia. Pemodelan kompleks dari sekelompok unit pemroses kecil yang dimodelkan
berdasarkan sistem saraf manusia. JST merupakan sistem adaptif yang dapat
mengubah strukturnya untuk memecahkan masalah berdasarkan informasi eksternal
maupun internal yang mengalir melalui jaringan tersebut. Oleh karena sifatnya yang
adaptif, JST juga sering disebut dengan jaringan adaptif.
Accuracy score
0.8206521739130435
D. Kesimpulan
Berdasarkan accuracy skor yang diperoleh dari masing-masing metode, dimana
metode KNN diperoleh 0.68, metode Decision tree diperoleh 0.77, metode SVM
diperoleh 0.71, dan metode ANN diperoleh 0.8, dapat disimpulkan bahwa urutan
metode yang terbaik untuk kasus ANN, Decision tree, SVM, dan yang terakhir adalah
KNN.