Implementasi Algoritma Decision Tree C4.5 dan Support Vector Regression untuk Prediksi Penyakit Stroke
Implementation of Decision Tree Algorithm C4.5 and Support Vector Regression for Stroke Disease Prediction
DOI:
https://doi.org/10.57152/malcom.v2i2.426Keywords:
Data Mining, Decision Tree C4.5, Prediksi, Strok, Super Vector RegressionAbstract
Data mining adalah proses pengumpulan informasi dan data penting dari sejumlah besar data yang perlu diekstraksi untuk mengubahnya menjadi informasi baru yang berguna untuk pengambilan keputusan. Data yang digunakan dalam penulisan ini berasal dari data pengidap neurologi (saraf) tepatnya stroke, diolah menggunakan algoritma Support Vector Regression dan Decision Tree C4.5. Stroke disebabkan oleh pecahnya pembuluh darah dan tersumbatnya pembuluh darah arteri di otak, sehingga mengakibatkan kematian sel atau jaringan karena tidak mensuplai darah yang dibutuhkan untuk membawa oksigen ke bagian otak. Suatu cara untuk meninjau stroke adalah data mining, yang memakai algoritma Support Vector Regression dan Decision Tree C4.5. Hasil laporan ini mengidentifikasi pengidap penyakit stroke pada variabel yang didapati dan menganalisisnya memakai algoritma data mining Decision Tree C4.5 dan Support Vector Regression. Dapat dilihat jika error yang dihasilkan oleh algoritma Decision Tree C4.5 terhadap rasio 70 : 30 bernilai 0.235, Selanjutnya untuk algoritma Support Vector Regression terhadap rasio 70 : 30 bernilai 0.399, Dalam menggunakan algoritma Decision Tree C4.5, maka akan menghasilkan output tambahan berupa sebuah grafik pohon keputusan dimana terdapat alur dalam memprediksi.
References
S. Joko, Data Mining : Algoritma dan Implementasi dengan Pemrograman PHP, 2019.
F. Ramdhani dan A. Mutamakin, “Analisa Klasifikasi Biaya Pasien Rawat Inap Menggunakan Teknik Data Mining Attribute Importance (AI) dan Algoritma Naive Bayes”.
KEMENKES RI, “Profil Kesehatan Indonesia 2020,” 2021.
D. Haryadi, D. Marini Umi Atmaja, A. Rahman Hakim dan N. Suwaryo, “IDENTIFIKASI TINGKAT RESIKO PENYAKIT STROKE MENGGUNAKAN ALGORITMA REGRESI LINEAR BERGANDA,” Deny Haryadi, SNTEM, vol. 1, pp. 1198-1207, 2021.
A. E. Pramadhani dan T. Setiadi, “PENERAPAN DATA MINING UNTUK KLASIFIKASI PREDIKSI PENYAKIT ISPA (Infeksi Saluran Pernapasan Akut) DENGAN ALGORITMA DECISION TREE (ID3),” Jurnal Sarjana Teknik Informatika, vol. 2, no. 1, 2014.
Z. Rustam dan P. Kintandani, “Application of Support Vector Regression in Indonesian Stock,” Modelling and Simulation in Engineering, vol. 2019, 2019.
S. Phatak, I. Mishra dan A. Swetapadma, “An Assessment of Decision Tree based Classification and Regression Algorithms,” 2018 3rd International Conference on Inventive Computation Technologies (ICICT), pp. 92-95, 2018.
R. Rahmaddeni, M. K. Anam, Y. Irawan, S. Susandri dan M. Jamaris, “Comparison of Support Vector Machine and XGBSVM in Analyzing Public Opinion on Covid-19 Vaccination,” ILKOM Jurnal Ilmiah, vol. 14, no. 1, 2022.
P. Meilina, “PENERAPAN DATA MINING DENGAN METODE KALSIFIKASI MENGGUNAKAN DECISION TREE DAN REGRESI,” Januari, vol. 7, no. 1, 2015.
R. R. Rerung, “Penerapan Data Mining dengan Memanfaatkan Metode Association Rule untuk Promosi Produk,” Jurnal Teknologi Rekayasa, vol. 3, no. 1, p. 89, 2018.
I. Padiku, “Penerapan Metode Naive Bayes Classifier (Nbc) Untuk Klasifikasi Kondisi Internal Program Studi,” Jurnal Teknik, vol. 19, no. 1, pp. 65-74, 2021.
E. S. R. Br.Situmorang, M. K. Anam, R. Rahmaddeni dan A. N. Ulfah, “Perbandingan Algoritma Svm Dan Nbc Dalam Analisa Sentimen Pilkada Pada Twitter,” CSRID (Computer Science Research and Its Development Journal), vol. 13, no. 3, 2021.
B. Schlkopf dan A. J. Smola, Learning with Kernels: Support Vector Machines, Regularization, Optimization, and Beyond, 2006.
R. Amanda, H. Yasin dan A. Prahutama, “ANALISIS SUPPORT VECTOR REGRESSION (SVR) DALAM MEMPREDIKSI KURS RUPIAH TERHADAP DOLLAR AMERIKA SERIKAT,” vol. 3, no. 4, pp. 849-857, 2014.
P. B. N. Setio, D. R. S. Saputro dan B. Winarno, “PRISMA, Prosiding Seminar Nasional Matematika Klasifikasi dengan Pohon Keputusan Berbasis Algoritme C4.5,” vol. 3, pp. 64-71, 2020.
A. Ginanjar Mabrur dan R. Lubis, “PENERAPAN DATA MINING UNTUK MEMPREDIKSI KRITERIA NASABAH KREDIT,” Jurnal Komputer dan Informatika (KOMPUTA) 53 Edisi. I, no. 1, 2012.
I. Suprayogi, Trimaijon dan Mahyudin, “Model Prediksi Liku Kalibrasi Menggunakan Pendekatan Jaringan Saraf Tiruan (ZST)(Studi Kasus: Sub DAS Siak Hulu),” Jurnal Online Mahasiswa Fakultas Teknik Universitas Riau, vol. 1, no. 1, pp. 1-18, 2014.
M Mustakim, B Agus dan H Irman, "Performance Comparison Between Support Vector Regression and Artificial Neural Network for Prediction of Oil Palm Production", Jurnal Ilmu Komputer dan Informasi, vol. 9, no. 1, pp. 1-8, 2016.
