PERBANDINGAN KINERJA K-NEAREST NEIGHBOR DAN DECISION TREE C4.5 DENGAN MEMANFAATKAN PARTICLE SWARM OPTIMIZATION UNTUK MENDIAGNOSIS PENYAKIT HATI
Loading...
Date
2021
Authors
Journal Title
Journal ISSN
Volume Title
Publisher
Program Studi Sistem Informasi S1 Fakultas Teknik
Abstract
Data yang dimiliki oleh suatu sektor akan semakin bertumpuk apabila tidak dimanfaatkan sebaik mungkin. Untuk mengolah data dibutuhkan suatu teknik yang mampu mengolah data dengan skala besar. Maka dari itu, data mining adalah solusinya. Data mining diyakini mampu mengolah data berskala besar secara cepat sehingga banyak sektor yang menggunakan teknik ini, tak terkecuali pada sector kesehatan. Adapun salah satu penerapan data mining pada sektor kesehatan adalah mendiagnosis suatu penyakit pada pasien. Untuk mendiagnosis penyakit, maka dibutuhkan pengklasifikasian agar pasien mengetahui secara jelas apakah didiagnosis mengidap suatu penyakit atau tidak. Salah satu metode data mining yang mampu mengelompokkan data secara jelas adalah metode klasifikasi. Metode ini akan memproses model yang dapat membedakan kelas secara jelas pada suatu data. Metode klasifikasi terdiri dari beberapa algoritma, namun pada penelitian ini hanya berfokus pada perbandingan antara dua algoritma yaitu K-Nearest Neighbor (KNN) dan Decision Tree C4.5. Kedua algoritma tersebut akan dipadukan dengan suatu optimasi yang dinamakan Particle Swarm Optimization (PSO). Hasil yang diperoleh menunjukkan bahwa Decision Tree C4.5 dengan PSO memiliki tingkat kinerja yang lebih baik dibandingkan KNN dengan PSO. Hasil accuracy pada algoritma Decision Tree C4.5 dengan PSO untuk percobaan pertama diperoleh nilai sebesar 84.18%, sedangkan KNN dengan PSO hanya sebesar 79.79%. Pada percobaan kedua, nilai accuracy untuk algoritma Decision Tree C4.5 dengan PSO adalah 89.11%, sedangkan KNN dengan PSO hanya 87.90%. Pada percobaan ketiga, nilai accuracy pada algoritma Decision Tree C4.5 dengan PSO sebesar 91.26%, sedangkan KNN dengan PSO hanya sebesar 89.11%.
Description
Keywords
Data Mining, K-Nearest Neighbor, Decision Tree C4.5, Particle Swarm Optimization