PERBANDINGAN KINERJA K-NEAREST NEIGHBOR, DECISION TREE C4.5 DAN NAÏVE BAYES TERHADAP DATASET MULTI-CLASS PADA PENYAKIT BIPOLAR DISORDER
Loading...
Date
2022
Authors
Journal Title
Journal ISSN
Volume Title
Publisher
Program Studi Sistem Informasi, Universitas Widyatama
Abstract
Banyaknya data yang dimiliki oleh suatu sektor akan menjadi menumpuk jika tidak digunakan dengan tepat. Oleh karena itu data tersebut harus diolah dalam sekala besar. Maka diperlukan suatu Teknik yang disebut data mining agar menjadi sebuah pengetahuan baru. Data mining dapat mengolah suatu data menjadi suatu pengetahuan dalam sekala besar dengan cepat menggunakan metode klasifikasi, clustering dll. Bidang Kesehatan menjadi sector yang paling sering menggunakan hal tersebut terutama dalam mendiagnosa pasien. Penelitian ini akan membahas tentang kinerja dari tiga algoritma klasifikasi yaitu K-Nearest Neighbor, Decision Tree C4.5 dan Naïve Bayes. Tujuan dalam penelitian ini adalah membandingkan performa dari ketiga algoritma tersebut untuk memperoleh performa terbaik yang pada akhirnya akan digunakan untuk mempredilksi suatu penyakit. Hasil yang didapatkan dari penelitian ini yaitu performa dari algoritma Decision tree C4.5 menjadi algoritma yang memiliki nilai overall accuracy terbaik dibandingkan algoritma K-Nearest Neighbor dan Naïve Bayes dengan nilai Overall Accuracy 100%. Algoritma Naïve Bayes menempati peringkat kedua terbaik dengan nilai accuracy 96.43% dan K-Nearest Neighboar menempati peringkat terakhir dengan nilai overall accuracy 64.29%. untuk perhitungan Accuracy menggunakan Kappa yaitu Overall Accuracy karena dataset yang di uji menggunakan multi-class.