Komparasi Tingkat Akurasi Support Vector Machine (SVM) dan C4.5 dalam Mengklasifikasikan Keberlangsungan Hidup Pasien Hepatitis
Abstract
Proses mencari kesesuain algoritma dalam pengelompokan Dataset hepatitis tidak mudah, berdasarkan pada atribut-atribut yang terdapat pada dataset. Algoritma yang digunakan pada penelitian ini yaitu SVM dan C4.5, pada kedua algoritma ini belum diketahui akurasi yang sesuai dalam mengklasifikasi hepatitis. Hepatitis sudah masuk ke dalam kategori 5 penyakit mematikan di dunia. Pada penelitian ini, membandingkan algoritma SVM dan C4.5 untuk didapatkan kesesuaian hasil akurasi. Dimana algoritma SVM dipilih, karena memiliki kemampuan berupa fungsi linier berdimensi tinggi. Sedangkan C4.5 dipilih karena memiliki kelebihan dalam mempresentasikan hasil data membentuk sebuah pohon keputusan yang mudah dipahami. Hasil yang di dapatkan dalam penelitian ini menunjukan bahwa nilai akurasi C4.5 lebih tinggi dari SVM. Dengan perolehan nilai 80,6452% pada C4.5 dan 80,3279% untuk hasil SVM. Penelitian ini diharapkan dapat memberikan solusi dalam pengelompokan dataset hepatitis.
References
[2] L. Saumi Ramdhani, “Penerapan Particle Swarm Optimization (PSO) Untuk Seleksi Atribut Dalam Meningkatkan Akurasi Prediksi Diagnosis Penyakit Hepatitis Dengan Metode Algoritma C4.5,” Swabumi, vol. IV, no. 1, pp. 1–15, 2016.
[3] H. Jiawei, M. Kamber, J. Han, M. Kamber, and J. Pei, Data Mining: Concepts and Techniques. 2012.
[4] G. Suwardika, “Pengelompokan Dan Klasifikasi Pada Data Hepatitis Dengan Menggunakan Support Vector Machine ( SVM ), Classification And Regression Tree (Cart ) Dan Regresi Logistik Biner,” J. Educ. Res. Eval., vol. 1, pp. 183–191, 2017.
[5] G. Tsoumakas, I. Katakis, and I. Vlahavas, Data Mining and Knowledge Discovery Handbook. 2010.
[6] H. Penelitian and F. Teknik, “Prediksi Curah Hujan dengan Jaringan Saraf Tiruan,” Pros. Fak. Tek., vol. 6, no. 1, pp. 978–979, 2012.
