ABSTRAKSI: Tugas Akhir yang berjudul "Analisis Implementasi dan Perbandingan decision tree J48 dengan JST Quickprop pada Studi kasus Teknik Klasifikasi dan Prediksi Penyakit Demam Tifoid (Typhus) Berdasarkan Gejala Fisik Pasien" ini melakukan studi analisis perbandingan antara 2 metode dari sistem learning yang sudah sangat populer digunakan untuk menangani klasifikasi dan prediksi data, yaitu antara Desion Tree dan Jaringan Syaraf tiruan. Algoritma decion tree yang digunakan adalah J48 sedangkan pada JST digunakan algoritma quickprop untuk menjalankan learning datanya. Dari beberapa literatur mengatakan bahwa masing-masing dari algoritma ini memiliki kelebihan khusus dalam menangani studi kasus - studi kasus tertentu[10].
Pada hasil pengujian masing-masing algoritma dalam melakukan klasifikasi dataset, baik yang berdimensi 4 kelas maupun 2 kelas menunjukan bahwa algoritma decion tree merupakan algoritma yang cenderung fleksibel terhadap dataset sedangkan pada algoritma JST ternyata sangat rentan terhadap dataset yang berdimensi 4 kelas. Namun kerentanan masing-masing algoritma tersebut dapat dievaluasi dengan melakukan proses resampling terhadap dataset yang akan digunakan pada tahap klasifikasi. Dari keseluruhan pengujian terhadap masing-masing algoritma dalam melakukan klasifikasi data ternyata teknik learning decion tree J48 memiliki performansi yang lebih baik dibandingkan denga teknik learning JST quickprop berdasarkan studi kasus dataset Tugas Akhir ini.Kata Kunci : decision tree, jaringan syaraf tiruan, J48, quickpropABSTRACT: Thesis that entitled "Implementation Analysis and Comparison with the J48 decision tree on Quickprop JST Engineering Case Study Disease Classification and Prediction Fundamentals (typhoid) Based on the Patient physical symtoms" is to study comparative analysis between 2 methods of learning systems which are very popular used to deal with classification and prediction datasets, namely between Decision Tree and Neural Networks. Decision tree algorithm which used is J48 algorithm and Neural Networks that is used to learning of data is quickprop. From some literature says that each of these algorithms have a special advantage in dealing with a case study - a particular case study.
On the test results of each algorithm to do classification datasets, both of dimension 4 and 2 grade class showed that the decision tree algorithms tend more flexible than JST algorithm that susceptible to 4-dimensional dataset of the class. But the vulnerability of each of these algorithms can be evaluated by the resampling process datasets that will be used in the classification stage. Of the overall testing of each algorithm in classifying datasets show that decision tree learning techniques with J48 has performance better than the quickprop JST learning techniques based on case studies of this thesis dataset.Keyword: decision tree, neural networks, J48, quickprop