Claim Missing Document
Check
Articles

Found 2 Documents
Search
Journal : Jurnal Pseudocode

Algoritme Stacking Untuk Klasifikasi Penyakit Jantung Pada Dataset Imbalanced Class Atik Nurmasani; Yoga Pristyanto
Jurnal Pseudocode Vol 8, No 1 (2021): Volume 8 Nomor 1 Februari 2021
Publisher : Universitas Bengkulu

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (12.539 KB) | DOI: 10.33369/pseudocode.8.1.21-26

Abstract

Berdasarkan data Riset Kesehatan Dasar (Riskesdas) tahun 2018, angka kejadian penyakit jantung dan pembuluh darah semakin meningkat dari tahun ke tahun. Setidaknya, 15 dari 1000 orang, atau sekitar 2.784.064 individu di Indonesia menderita penyakit jantung. Data mining merupakan bidang yang dapat menjadi solusi untuk digunakan sebagai alat deteksi dini penyakit jantung. Pada penelitian yang dilakukan sebelumnya mayoritas menggunakan single classifier, hal ini akan menimbulkan sebuah permasalahan baru ketika dalam dataset penyakit terdapat ketidakseimbangan kelas. Keberadaan ketidakseimbangan tersebut dapat menyebabkan kinerja single classifier menjadi tidak maksimal. Oleh karena itu pada penelitian ini akan digunakan metode ensemble atau meta learning. Berdasarkan pengujian yang dilakukan menunjukkan bahwa algoritme stacking mampu menghasilkan kinerja dari sisi akurasi TPR, TNR, G-Mean dan AUC yang lebih baik dibandingkan single classifier lainnya. Dengan adanya peningkatan nilai tersebut diharapkan penelitian ini mampu menjadi referensi untuk pengembagan berbagai sistem yang mendukung dan memaksimalkan tingkat keberhasilan proses deteksi dini penyakit jantung menggunakan data mining.
Penanganan Missing Values Untuk Meningkatkan Kinerja Model Machine Learning Pada Data Telemarketing Anggit Ferdita Nugraha; Yoga Pristyanto; Irfan Pratama
Jurnal Pseudocode Vol 7, No 2 (2020): Volume 7 Nomor 2 September 2020
Publisher : Universitas Bengkulu

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (281.8 KB) | DOI: 10.33369/pseudocode.7.2.165-171

Abstract

Abstrak: Telemarketing menjadi salah satu media pemasaran produk maupun jasa yang sampai saat ini masih banyak digunakan oleh berbagai perusahaan terutama di bidang perbankan, asuransi, dan telekomunikasi. Telemarketing dianggap lebih efektif dibandingkan dengan penggunaan baliho, flyer maupun brosur karena menghubungkan secara langsung antara perusahaan dengan calon pelanggan. Pada proses implementasinya, penggunaan telemarketing ini justru seringkali menemui kegagalan dan bahkan berujung pada sikap antipati calon pelanggan yang dihubungi bahkan sebelum proses komunikasi dilakukan. Salah satu penyebab terjadinya kegagalan dari proses telemarketing adalah tidak adanya proses seleksi untuk mengetahui potensi dari calon pelanggan. Machine learning menjadi salah satu alternatif yang dapat digunakan untuk membantu memilih dan menentukan calon pelanggan potensial dan sesuai dengan target perusahaan. Akan tetapi, missing values yang ada pada data telemarketing seringkali menjadi permasalahan baru yang harus ditangani agar penggunaan machine learning menjadi lebih efektif dan mendukung keberhasilah telemarketing. Pada penelitian ini, K-means digunakan sebagai salah satu cara untuk menangani adanya missing values pada data telemarketing. Hasilnya, terdapat peningkatan hingga sebesar 6% jika diukur berdasarkan nilai akurasi menggunakan model Decision Tree. Kata Kunci: Telemarketing, Machine Learning, Missing Values, K-Means, Klasifikasi.