Penerapan Dizcretization dan Teknik Bagging Untuk Meningkatkan Akurasi Klasifikasi Berbasis Ensemble pada Algoritma C4.5 dalam Mendiagnosa Diabetes
Abstrak: Pada bidang
kesehatan, data mining dapat dimanfaatkan untuk memprediksi suatu penyakit dari
data rekam medis pasien, diantaranya diabetes. Ada beberapa model data mining
salahsatunya klasifikasi. Di bidang klasifikasi, ada banyak cabang yang
berkembang yaitu pohon keputusan (decision tree). Salah satu decision tree yang
populer adalah C4.5. Dalam riset ini, data yang digunakan adalah pima indian
diabetes dataset yang diambil dari UCI repository of machine learning. Pada
dataset ini seluruh atributnya bertipe numerik yang bersifat continuous dan
untuk menangani data continuous digunakan discretization. Akurasi sangat
penting dalampengklasifikasian, ensemble method adalah metode yang digunakan
untuk meningkatkan akurasi algoritma klasifikasi dengan membangun beberapa
classifier dari data training. Dari hasil penelitian, dengan menerapkan
discretization dan teknik bagging untuk klasifikasi berbasis ensemble pada
algoritma C4.5 dapat meningkatkan akurasi sebesar 6,26%. Dengan akurasi awal
68,61%, setelah diterapkan discretization dan teknik bagging menjadi 74,87%.
Penulis: Mirqotussa’adaha
Kode Jurnal: jptkomputerdd170008
