Seleksi Fitur Menggunakan Penambangan Data Berbasis Variable Precision Rough Set (VPRS) untuk Diagnosis Penyakit Jantung Koroner

Penyakit jantung koroner merupakan penyakit yang banyak menyebabkan kematian pada manusia. Penyakit ini terjadi ketika terdapat atherosclerosis (timbunan lemak) yang menghalangi aliran darah ke otot jantung pada arteri koronaria. Metode gold standard yang menjadi rujukan para dokter untuk mendiagnosis penyakit jantung koroner adalah coronary angiography . Namun metode ini invasisve , mempunyai resiko tinggi dan mahal. Tujuan penelitian ini adalah melakukan diagnosis penyakit jantung koroner berbasis komputer menggunakan data mining dengan melakukan seleksi fiture dan melakukan klasifikasi pada dataset penyakit jantung Cleveland . Pada penelitian ini, menggunakan metode seleksi fitur berbasis pakar medis (MFS) dan juga menggunakan metode seleksi fitur berbasis komputer yaitu metode seleksi fiture menggunakan metode data mining berbasis teori Varible Precision Rough Set (VPRS) yang merupakan pengembangan dari teori Rough Set . Pada penelitian ini, studi literature tentang metode seleksi fiture berbasis pakar medis atau motivated feature selection (MFS) dan metode seleksi fitur berbasis komputer yaitu berbasis teori VPRS dilakukan. Penggabungan metode seleksi fitur berbasis pakar medis dan komputer juga dilakukan agar dapat menghindari terhapusnya fitur-fitur yang dianggap penting oleh pakar medis. Pada akhirnya, proses seleksi fitur basis komputer yaitu VPRS dan penggabungan VPRS dengan MFS mampu meningkatkan performa klasifikasi secara signifikan untuk mendiagnosis penyakit jantung koroner, dilihat dari lebih sedikitnya jumlah rule yang dihasilkan dan nilai hasil akurasi yang lebih baik dibandingkan dengan klasifikasi tanpa seleksi fitur.

• Publication year

  2017

• Venue

  Unknown venue

• Publication date

  2017-12-30

• Fields of study

  Not labeled

• Identifiers
  DOI 10.26555/JITEKI.V3I2.8072
• External record

  Open on Semantic Scholar

• Source metadata

  Semantic Scholar

• No claims are published for this paper.

• No concepts are published for this paper.

• Cardiovascular diseases (CVDs) patients’ in-hospital mortality rate and length of hospital stay in Swaziland: 2001-2013

  2015cited by this paper
• SELEKSI FITUR BERBASIS KOMPUTER UNTUK DIAGNOSIS PENYAKIT JANTUNG KORONER

  2014influential reference
• Applying Variable Precision Rough Set for Clustering Diabetics Dataset

  2014cited by this paper
• PERBANDINGAN METODE DISKRETISASI UNTUK BERBAGAI MACAM ALGORITMA MACHINE LEARNING

  2013influential reference
• Penentuan Prediksi Awal Penyakit Jantung Menggunakan Algoritma Back Propagation Neural Network dengan Metode Adaboost

  2013cited by this paper
• Study and Development of Novel Feature Selection Framework for Heart Disease Prediction

  2012cited by this paper
• Predictive Data Mining for Medical Diagnosis: An Overview of Heart Disease Prediction

  2011cited by this paper
• A Framework for Intelligent Medical Diagnosis using Rough Set with Formal Concept Analysis

  2011cited by this paper
• Comparative Study of Data Mining Classification Methods in Cardiovascular Disease Prediction

  2011cited by this paper
• HDPS: Heart disease prediction system

  2011cited by this paper
• Precision parameter in the variable precision rough sets model: an application

  2006cited by this paper
• An introduction to ROC analysis

  2006cited by this paper
• Probabilistic Decision Tables in the Variable Precision Rough Set Model

  2001cited by this paper
• Fast Effective Rule Induction

  1995cited by this paper
• Very Simple Classification Rules Perform Well on Most Commonly Used Datasets

  1993cited by this paper
• Variable Precision Rough Set Model

  1993cited by this paper

• Coronary Artery Disease Prediction Using Decision Trees and Multinomial Naïve Bayes with k-Fold Cross Validation

  2021cites this paper