Evaluasi Performa Algoritma C4.5 dan C4.5 Berbasis PSO untuk Memprediksi Penyakit Diabetes

##plugins.themes.academic_pro.article.sidebar##

Published Jun 27, 2020
https://doi.org/10.37339/e-komtek.v4i1.230
Download
PDF
Statistic

Downloads

Download data is not yet available.
Vol. 4 No. 1 (2020)

##plugins.themes.academic_pro.article.main##

Nurahman
Universitas Darwan Ali

Abstract

Tubuh manusia terdiri dari berbagai organ yang setiap saat diperlukan oleh manusia untuk beraktivitas. Aktivitas manusia dapat dilakukan jika kesehatan tubuh dalam keadaan baik. Salah satu penyakit yang berakibat komplikasi bahkan berujung kematian adalah diabetes. Penderita penyakit diabetes dari tahun ke tahun meningkat. Hal ini disampaikan oleh artikel Atlas Diabetes yang diterbitkan pada edisi ke-7 tahun 2015 dari IDF menyebutkan ditahun 2015 penderita penyakit diabetes akan mencapai 415 juta pasien dari 220 negara kemudian penderita diabetes akan meningkat menjadi 642 juta pasien di tahun 2040. Bidang keilmuan data mining ikut melakukan riset. Data mining salah satu bidang ilmu yang melakukan pengolahan terhadap data untuk mengetahui pengetahuan baru terhadap suatu kasus. Paper ini dilakukan suatu pemodelan algoritma klasifikasi data mining. Penerapan pemodelan dilakukan dengan menggunakan algoritma C4.5 dan C4.5 berbasis PSO. Penerapan pemodelan akan dilakukan peninjauan berdasarkan nilai performa akurasi dan AUC. Setelah dilakukan peninjauan terhadap kedua pemodelan tersebut, diperoleh hasil bahwa C4.5 berbasis PSO memiliki performa terbaik sehingga masuk pada kategori good classification

##plugins.themes.academic_pro.article.details##

Creative Commons License

This work is licensed under a Creative Commons Attribution-NonCommercial 4.0 International License.

How to Cite
Nurahman. (2020). Evaluasi Performa Algoritma C4.5 dan C4.5 Berbasis PSO untuk Memprediksi Penyakit Diabetes. Jurnal E-Komtek (Elektro-Komputer-Teknik), 4(1), 30-47. https://doi.org/10.37339/e-komtek.v4i1.230

References

[1] L. W. Marewa, Kencing Manis (Diabetes Mellitus) Di Sulawesi Selatan. Yayasan Pustaka Obor Indonesia, 2015.
[2] H. Tandra, Segala Sesuatu yang Harus Anda Ketahui Tentang Diabetes. Gramedia Pustaka Utama, 2017.
[3] Khairani, ‘INFODATIN : Hari Diabetes Sedunia 2018’. Kementerian Kesehatan RI Pusat Data dan Informasi, 2019.
[4] D. S. Purnia and A. I. Warnilah, ‘Implementasi Data Mining Pada Penjualan Kacamata Menggunakan Algoritma Apriori’, IJCIT Indones. J. Comput. Inf. Technol., vol. 2, no. 2, p. 9, 2017.
[5] A. Andriani, ‘Sistem Prediksi Penyakit Diabetes Berbasis Decision Tree’, J. Bianglala Inform., vol. 1, no. 1, p. 10, 2013.
[6] F. Fatmawati, ‘Perbandingan Algoritma Klasifikasi Data Mining Model C4.5 Dan Naive Bayes Untuk Prediksi Penyakit Diabetes’, J. Techno Nusa Mandiri, vol. 13, no. 1, pp. 50–59, Mar. 2016.
[7] J. J. Pangaribuan, ‘Mendiagnosis Penyakit Diabetes Melitus Dengan Menggunakan Metode Extreme Learning Machine’, J. Inf. Syst. Dev. ISD, vol. 1, no. 2, p. 9, 2016.
[8] Y. Yolanda and F. Firdaus, ‘Penerapan Data Mining Dalam Klasifikasi Hubungan Antara Kejadian Katarak dengan Diabetes Mellitus Menggunakan Algoritma C4.5’, undergraduate, Sriwijaya University, 2015.
[9] M. F. Salim and S. Sugeng, ‘Analisis Rekam Medis Pasien Diabetes Mellitus Melalui Implementasi Teknik Data Mining di RSUP Dr. Sardjito Yogyakarta’, J. Kesehat. Vokasional, vol. 2, no. 2, pp. 167–174, May 2018, doi: 10.22146/jkesvo.30331.
[10] P. S. Kumar and V. Umatejaswi, ‘Diagnosing Diabetes using Data Mining Techniques’, Int. J. Sci. Res. Publ., vol. 7, no. 6, p. 5, 2017.
[11] S. Bashir, U. Qamar, F. H. Khan, and M. Y. Javed, ‘An Efficient Rule-Based Classification of Diabetes Using ID3, C4.5, & CART Ensembles’, in 2014 12th International Conference on Frontiers of Information Technology, Islamabad, Pakistan, Dec. 2014, pp. 226–231, doi: 10.1109/FIT.2014.50.
[12] Giat, ‘Analisis Teknik Data Mining “Algoritma C4.5 Dan K-Nearest Neighbor” Untuk Mendiagnosa Penyakit Diabetes Mellitus’, SNTIBD, vol. 1, no. 1, pp. 77–82, 2016.
[13] M. Yusa, E. Utami, and E. T. Luthfi, ‘Evaluasi Performa Algoritma Klasifikasi Decision Tree ID3, C4.5, dan CART Pada Dataset Readmisi Pasien Diabetes’, p. 12.
[14] N. Yuda, ‘Data Mining Menggunakan Algoritma Naïve Bayes Untuk Klasifikasi Kelulusan Mahasiswa Universitas Dian Nuswantoro. ( Studi Kasus: Fakultas Ilmu Komputer Angkatan 2009 ).’, Comput. Sci., 2014.
[15] S. Huber, H. Wiemer, D. Schneider, and S. Ihlenfeldt, ‘DMME: Data mining methodology for engineering applications – a holistic extension to the CRISP-DM model’, Procedia CIRP, vol. 79, pp. 403–408, Jan. 2019, doi: 10.1016/j.procir.2019.02.106.
[16] C. Vercellis, Business Intelligence: Data Mining and Optimization for Decision Making, 1 edition. Chichester, U.K: Wiley, 2009.
[17] F. Gorunescu, Data Mining: Concepts, Models and Techniques. Berlin Heidelberg: Springer-Verlag, 2011.