Email this article 
Hide
Show all
Optimasi Decision Tree Menggunakan Particle Swarm Optimization untuk Klasifikasi Kesuburan pada Pria
Abstract
Abstrak
Keturunan adalah hal yang sangat diharapkan pada setiap pasangan suami istri, maka dari itu tingkat kesuburan pada pria adalah salah satu faktor penting. Faktor yang pempengaruhi tingkat kesuburan itu sendiri seperti hormon, penyakit bawaan, pernah atau tidaknya dioperasi. Salah satu cara untuk menganalisis kesuburan pada pria dapat dilakukan dengan teknik data mining. Data Mining dapat digunakan untuk mengklasifikasi ataupun prediksi. Penelitian ini, bertujuan untuk mendapatkan metode klasifikasi terbaik yang dapat menghasilkan tingkat dari nilai akurasi yang tinggi bila dikombinasikan dengan metode Particle Swarm Optimization (PSO). Pada penelitian ini, algoritma Decision Tree dengan Particle Swarm Optimization meningkatkan nilai akurasi sebesar 93.33% dan nilai AUC sebesar 0,793 termasuk kedalam kategori Fair classification.
Kata Kunci: data mining, decision tree, kesuburan, particle swarm optimization
Abstract
Heredity is something that is expected in every married couple, therefore the level of fertility in men is one important factor. Factors that influence the level of fertility itself such as hormones, congenital diseases, surgery or not. One way to analyze fertility in men can be done with data mining techniques. Data Mining can be used to classify or predict. This study aims to obtain the best classification method that can produce a high level of accuracy when combined with the Particle Swarm Optimization (PSO) method. In this study, the Decision Tree algorithm with Particle Swarm Optimization increased the accuracy value by 93.33% and the AUC value by 0.793 was included in the Fair classification category.
Keywords: data mining, decision tree, fertility, particle swarm optimizationFull Text:
PDFReferences
A. Amrulloh and A. P. Wibowo, “Implementasi Algoritma Decission Tree Untuk Mengklasifikasi Kondisi Kesuburan Pria,” JASIEK (Jurnal Aplikasi Sains, Informasi, Elektron. dan Komputer), vol. 1, no. 1, pp. 7–11, 2019, doi: 10.26905/jasiek.v1i1.3096.
G. A. Irawan and A. Muliantara, “Prediksi Kesuburan (Fertility) dengan menggunakan Principal Component Analysis dan Klasifikasi Naive Bayes, ” Jurnal Ilmiah Komputer Universitas Udayana, vol. X no. 2, pp. 10–14, 2017.
H. Harafani and A. Maulana, “Penerapan Algoritma Genetika pada Support Vector Machine Sebagai Pengoptimasi Parameter untuk Memprediksi Kesuburan,” Jurnal Teknik Informatika. STMIK Antar Bangsa, vol. V, no. 1, pp. 51–59, 2019.
K. Rusman, “Pengaruh Aktivitas Merokok Terhadap Hasil Analisa Sperma Pada Kasus Infertilitas Pria di Makassar” UMI Medical Journal, vol. 4, no. 1, pp. 117–129, 2019.
Y. J. S. Ningsih and A. Farich, “Determinan Kejadian Infertilitas Pria di Kabupaten Tulang Bawang,” J. Kesehat., vol. VII, no. 2, pp. 242–249, 2016.
D. C. P. Buani, “Optimasi Algoritma Naïve Bayes dengan Menggunakan Algoritma Genetika untuk Prediksi Kesuburan (Fertility),” EVOLUSI: Jurnal Sains dan Teknologi, ” vol. 4, no. 1, pp. 1–10, 2016.
S. Hosana and D. S. D. Putra, “Penerapan Data Mining Untuk Prediksi Kualitas Sperma ( Fertility ) Berbasis Android,” Jurnal Algor, vol. 1, no. 1, 2019.
R. T. Vulandari, Data Mining Teori dan Aplikasi Rapidminer, Cetakan 1. Yogyakarta: Penerbit Gava Media, 2017.
H. Sulastri and A. I. Gufroni, “Penerapan Data Mining dalam Pengelompokan Penderita Thalassaemia,” J. Nas. Teknol. dan Sist. Inf., vol. 3, no. 2, pp. 299–305, 2017, doi: 10.25077/teknosi.v3i2.2017.299-305.
Y. Mardi, “Data Mining: Klasifikasi menggunakan Algoritma C4.5,” J. Edik Inform., vol. 2, no. 2, pp. 213–219, 2017.
R. Sari, “Komparasi Algoritma Support Vector Machine, Naïve Bayes dan C4.5 untuk Klasifikasi SMS,” IJCIT (Indonesia J. Comput. Infomation Technol., vol. 2, no. 2, pp. 7–13, 2017.
D. A. Ningtyas, M. Wahyudi, and N. Nurajijah, “Klasifikasi Siswa SMK Berpotensi Putus Sekolah Menggunakan Algoritma Decision Tree , Support Vector Machine dan Naive Bayes,” J. Khatulistiwa Inform., vol. VII, no. 2, pp. 85–90, 2019.
H. Noor, “Optimasi Model Klasifikasi C4.5 dan Particle Swarm Optimization untuk Prediksi Siswa Bermasalah,” Technol. J. Ilm., vol. 9, no. 4, p. 228, 2018, doi: 10.31602/tji.v9i4.1537.
A. Sudibyo, T. Asra, and B. Rifai, “Klasifikasi Seleksi Atribut pada Serangan Spam,” J. PILAR Nusa Mandiri, vol. 14, no. 2, pp. 145–150, 2018, doi: https://doi.org/10.33480/pilar.v14i2.31.
I. A. Marie, L. Hakim, D. Sugiarto, and W. Septiani, “Perbandingan Performansi Teknik Klasifikasi Breakdown Mesin pada Proses Produksi Pembuatan Battery Mobil,” J. Ilm. Tek. Ind., vol. 18, no. 1, pp. 33–41, 2019, doi: 10.23917/jiti.v18i1.7232.
Sulistiyanto, “Penerapan C4.5 Berbasis Particle Swarm Optimization ( PSO ) dalam Memprediksi Siswa Lolos Seleksi Perguruan Tinggi,” Semin. Nas. Teknol. dan Bisnis, pp. 162–170, 2018.
T. Arifin and A. Herliana, “Optimasi Metode Klasifikasi dengan Menggunakan Particle Swarm Optimization untuk Identifikasi Penyakit Diabetes Retinopathy,” Khazanah Inform. J. Ilmu Komput. dan Inform., vol. 4, no. 2, p. 77, 2018, doi: 10.23917/khif.v4i2.6825.
T. Arifin, “Implementasi Algoritma PSO dan Teknik Bagging untuk Klasifikasi Sel Pap Smear,” J. Inform., vol. 4, no. 2, pp. 155–162, 2017, doi: 10.31311/JI.V4I2.2129.
A. Rakhman, “Prediksi Ketepatan Kelulusan Mahasiswa menggunakan Metode Decision Tree Berbasis Particle Swarm Optimation (PSO),” Smart Comp Jurnalnya Orang Pint. Komput., vol. 6, no. 1, pp. 193–197, 2017, doi: 10.30591/SMARTCOMP.V6I1.466.
S. Rustam, H. A. Santoso, and C. Supriyanto, “Optimasi K-Means Clustering untuk Identifikasi Daerah Endemik Penyakit Menular dengan Algoritma Particle Swarm Optimization di Kota Semarang,” Ilkom. Jurnal Ilmiah, vol. 10, no. 3, pp. 251–259, 2018, doi: 10.33096/ilkom.v10i3.342.251-259.
E. Budianita, F. R. Hustianto, F. Syafria, and M. Nasir, “Implementasi Algoritma Jaringan Syaraf Tiruan ( JST ) Hopfield untuk Klasifikasi Kualitas Kesuburan Pria,” Seminar Nasional Teknologi Informasi, Komununikasi dan Industri, 2018.
E. Nurelasari, “Komparasi Algoritma Naive Bayes dengan Support Vector Machine Berbasis Particle Swarm Optimization untuk Prediksi Kesuburan,” Bina Insani ICT Journal, vol. 5, no. 1, pp. 61–70, 2018.
T. A. Y. Siswa and Prihandoko, “Analisis Penerapan Optimasi Perbandingan Kinerja Algoritma C4.5 dan Naïve Bayes Berbasis Particle Swarm Optimization ( PSO ) Untuk Mendeteksi Kanker Payudara,” Bangkit Indonesia, vol. 2, no. VII, pp. 1–9, 2018.
A. Rifai and R. Aulianita, “Komparasi Algoritma Klasifikasi C4.5 dan Naïve Bayes Berbasis Particle Swarm Optimization Untuk Penentuan Resiko Kredit,” J. speed- sentra Penelit. enginering dan edukasi, vol. 10, no. 2, 2018.
C. W. Dawson, Projects in Computing and Information Systems : A Student’s Guide, Second., vol. 2. England: Addison Wesley, 2009.
T. Arifin and D. Ariesta, “Prediksi Penyakit Ginjal Kronis Menggunakan Algoritma Naive Bayes Classifier Berbasis Particle Swarm Optimization,” J. Tekno Insentif, vol. 13, no. 1, pp. 26–30, 2019, doi: 10.36787/jti.v13i1.97.
H. Amalia, “Penerapan Metode Neural Network Berbasis Particle Swam,” Paradigma, vol. XVII, no. 1, pp. 1–8, 2015.
S. H. Waluyo and Prihandoko, “Klasifikasi Pemanfaat Program Beras Sejahtera ( RASTRA ) Berdasarkan Tingkat Kemiskinan Dengan Menggunakan Algoritma Decision Tree C4.5 Berbasis Particle Swarm Optimization,” vol. 7, no. 2, pp. 19–24, 2017.
A. P. Windarto, D. R. S. P, D. Hartama, and I. S. Damanik, “Penerapan Klasifikasi C4.5 Dalam Meningkatkan Sistem Pembelajaran Mahasiswa,” KOMIK (Konferensi Nas. Teknol. Inf. dan Komputer), vol. 3, no. 1, pp. 593–597, 2019, doi: 10.30865/komik.v3i1.1665.
Y. S. Luvia, D. Hartama, A. P. Windarto, and Solikhun, “Penerapan Algoritma C4.5 untuk Klasifikasi Predikat Keberhasilan Mahasiswa dI AMIK Tunas Bangsa,” JURASIK (Jurnal Ris. Sist. Inf. Tek. Inform., vol. 1, no. 1, 2016.
DOI: https://doi.org/10.32520/stmsi.v10i1.967
Article Metrics
Abstract view : 2059 timesPDF - 87 times
Refbacks
- There are currently no refbacks.
This work is licensed under a Creative Commons Attribution-ShareAlike 4.0 International License.