Saka Oktaviani, 4611417013 (2022) KOMPARASI ALGORITMA SELEKSI FITUR PARTICLE SWARM OPTIMIZATION DAN GENETIC ALGORITHM UNTUK DIAGNOSIS PENYAKIT LIVER MENGGUNAKAN ALGORITMA C4.5. Under Graduates thesis, UNIVERSITAS NEGERI SEMARANG.

PDF - Published Version Restricted to Repository staff only Download (1MB) | Request a copy

Abstract

Kemajuan teknologi membuat masyarakat dapat dengan mudah mengakses informasi kapan saja dan di mana saja. Informasi data yang telah tersedia sangat banyak dan akan membutuhkan waktu yang sangat lama untuk memproses sejumlah besar data informasi, oleh sebab itu digunakan teknik data mining. Algoritma C4.5 merupakan algoritma yang sering digunakan dalam data mining. Dalam penelitian ini, algoritma C4.5 digunakan untuk mendiagnosis penyakit liver. Penggunaan fitur dalam dataset mempengaruhi akurasi algoritma C4.5. Untuk meningkatkan akurasi, algoritma C4.5 dapat ditambahkan dengan seleksi fitur yaitu Genetic Algorithm dan Particle Swarm Optimization untuk mengurangi fitur dalam dataset. Penelitian bertujuan untuk membandingkan algoritma seleksi fitur mana yang terbaik diantara Genetic Algorithm dan Particle Swarm Optimization menggunakan algorima klasifikasi C4.5 dalam diagnosis penyakit liver. Pada penelitian ini, data yang digunakan adalah Indian Liver Patient Dataset (ILPD) yang diperoleh dari UCI Machine Learning Repository. Dataset memiliki 11 atribut termasuk satu atribut class dan 583 instance. Hasil klasifikasi hepatitis dataset menggunakan algoritma C4.5 dengan seleksi fitur Genetic Algorithm menghasilkan akurasi sebesar 75%, menggunakan algoritma C4.5 dengan seleksi fitur Particle Swarm Optimization menghasilkan akurasi sebesar 82,76%. Sehingga dapat disimpulkan bahwa penerapan teknik optimasi Particle Swarm Optimization mampu menyeleksi atribut dengan baik, sehingga menghasilkan tingkat akurasi diagnosis penyakit liver yang lebih baik dibanding dengan menggunakan seleksi fitur Genetic Algorithm dalam mendiagnosis penyakit liver.

Actions (login required)

View Item