PEMILIHAN ATRIBUT PADA ALGORITMA C4.5 MENGGUNAKAN PARTICLE SWARM OPTIMIZATION UNTUK MENINGKATKAN AKURASI PREDIKSI DIAGNOSIS PENYAKIT LIVER

  • Elah Nurlelah Universitas Bina Sarana Informatika
  • M. Sukrisno Mardiyanto Teknik Informatika Institut Teknologi Bandung (ITB)
Keywords: Algoritma C4.5, Liver, Particle Swarm Optimization

Abstract

Hati adalah organ vital manusia yang memiliki fungsi kompleks dan beragam, salah satunya adalah dengan menjaga kebutuhan organ dalam tubuh, khususnya otak, karena otak adalah fungsi hati yang kompleks, oleh karena itu, kesehatan hatipun perlu diperhatikan sejak dini agar tubuh tetap sehat. Penyakit hati atau liver merupakan salah satu dari 10 penyakit terbesar penyebab kematian di Indonesia, tetapi pemahaman masyarakat mengenai penyakit liver ini masih sangat rendah. Akibatnya banyak dari mereka yang tidak mendapatkan penanganan dini secara tepat. Karenanya, penting bagi kita untuk dapat mengenali gejala dini penyakit liver sebelum terlambat. Selain itu, deteksi dini terhadap penyakit liver memungkinkan penderita penyakit ini dapat disembuhkan lebih cepat. Sudah banyak penelitian untuk memprediksi penyakit liver, salah satunya yaitu dengan menerapkan metode C4.5. Pada penelitian ini dilakukan optimasi algoritma C4.5 dengan menggunakan Particle Swarm Optimization untuk meningkatkan akurasi prediksi diagnosis penyakit liver. Setelah dilakukan pengujian dengan dua model yaitu Algoritma C4.5 dan Optimasi C4.5 menggunakan Particle Swarm Optimization maka hasil yang didapat pengujian dengan menggunakan C4.5 dimana didapat nilai accuracy adalah 78,86% dan nilai AUC adalah 0,815%, sedangkan  pengujian dengan menggunakan Optimasi C4.5 dengan Particle Swarm Optimization didapatkan nilai accuracy 82,08% dan nilai AUC adalah 0,829 dengan tingkat diagnosa  good  classification. Sehingga  kedua  metode tersebut memiliki perbedaan tingkat akurasi yaitu sebesar 3,22% dan perbedaan nilai AUC sebesar 0,014%. Dapat disimpulkan bahwa penerapan teknik optimasi Particle Swarm Optimization mampu menyeleksi atribut pada C4.5, sehingga menghasilkan tingkat akurasi diagnosis penyakit liver yang lebih baik dibanding dengan menggunakan metode individual algoritma C4.5.

Downloads

Download data is not yet available.

References

Abellán, J., & Masegosa, A. R. (2012). Bagging schemes on the presence of class noise in classification. Expert Systems with Applications, 39(8), 6827–6837. https://doi.org/10.1016/j.eswa.2012.01.013

Bahramirad, S., Mustapha, A., & Eshraghi, M. (2013). Classification of liver disease diagnosis: A comparative study. 2013 2nd International Conference on Informatics and Applications, ICIA 2013, 42–46. https://doi.org/10.1109/ICoIA.2013.6650227

Cho, Y.-J., Lee, H.-S., & Jun, C.-H. (2011). Optimization of Decision Tree for Classification Using a Particle Swarm. Industrial Engineering and Management Systems, 10(4), 272–278. https://doi.org/10.7232/iems.2011.10.4.272

Falatehan, A. I., Hidayat, N., & Brata, K. C. (2018). Sistem Pakar Diagnosis Penyakit Hati Menggunakan Metode Fuzzy Tsukamoto Berbasis Android. Jurnal Pengembangan Teknologi Informasi Dan Ilmu Komputer (J-PTIIK) Universitas Brawijaya, 2(8), 2373–2381. Retrieved from http://j-ptiik.ub.ac.id

Latifatul Khairiah, Tursina, T. R. (2017). Sistem Diagnosis Penyakit Hati Dengan Metode Dempstershafer Berbasis Android. Coding Jurnal Komputer Dan Aplikasi, 5(2), 57–66. Retrieved from http://jurnal.untan.ac.id/index.php/jcskommipa/article/view/19889

Nuraeni, N. (2017). Penentuan Kelayakan Kredit Dengan Algoritma Naïve Bayes Classifier : Studi Kasus Bank Mayapada Mitra Usaha Cabang PGC. Jurnal Teknik Komputer AMIK BSI (JTK), 3(1), 9–15.

Nurlelah, E., & Mardiyanto, M. S. (2019). Laporan Akhir Penelitian - Pemilihan Atribut Pada Algoritma C4.5 Menggunakan Particle Swarm Optimization Untuk Meningkatkan Akurasi Prediksi Diagnosis Penyakit Liver.

Restiani, D. (2018). Kombinasi Algoritma C-Ripper untuk Mendiagnosis Penyakit Liver. JTI (Jurnal Teknik Informatika) UIN Syarif Hidayatullah, 11(1), 31–36. Retrieved from http://journal.uinjkt.ac.id/index.php/ti/article/download/6660/pdf

Sarkar, B. K., Sana, S. S., & Chaudhuri, K. (2011). Selecting informative rules with parallel genetic algorithm in classification problem. Applied Mathematics and Computation, 218(7), 3247–3264. https://doi.org/10.1016/j.amc.2011.08.065

Sontakke, S., Lohokare, J., & Dani, R. (2017). Diagnosis of liver diseases using machine learning. 2017 International Conference on Emerging Trends and Innovation in ICT, ICEI 2017, 129–133. https://doi.org/10.1109/ETIICT.2017.7977023

Widodo, P. (2014). Rule-Based Classifier untuk Mendeteksi Penyakit Liver. Bianglala Informatika, II(1), 71–80.

Published
2019-09-05
How to Cite
Nurlelah, E., & Mardiyanto, M. (2019). PEMILIHAN ATRIBUT PADA ALGORITMA C4.5 MENGGUNAKAN PARTICLE SWARM OPTIMIZATION UNTUK MENINGKATKAN AKURASI PREDIKSI DIAGNOSIS PENYAKIT LIVER. Jurnal Pilar Nusa Mandiri, 15(2), 195-202. https://doi.org/10.33480/pilar.v15i2.706
Article Metrics

Abstract viewed = 45 times
PDF downloaded = 43 times