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

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.