Penerapan Teknik Vote Menggunakan C4.5 Naïve Bayes Dan K-nearest Neighbor Pada Data Gangguan Autisme

Arifandi Pratama, Agung Nilogiri, Habibatul Azizah

Abstract


Autisme merupakan gangguan pada perkembangan otak yang memengaruhi kemampuan penderita dalam berkomunikasi dan berinteraksi dengan orang lain,. Pada penelitian yang dilakukan oleh (Zhang, dkk, 2014) pada data Breast-cancer dengan algoritma C4.5 didapatkan akurasi 75,5%. Penelitian pada dataset gangguan autisme pada anak pernah dilalukan oleh (Sugara, dkk., 2018) pada penelitiannya yang menggunakan algorima C4.5 didapatkan akurasi sebesar 72%. Berdasarkan latar belakang tersebut penelitian dilakukan untuk meningkatkat akurasi pada data gangguan autisme. Untuk itu akan digunakan teknik voting pada algoritma C4.5, atribut yang digunakan yaitu GJ01 hingga GJ24. Metode yang akan digunakan pada vote yaitu C4.5, K-nearest Neighbor dan naive bayes. Ensemble method merupakan teknik untuk meningkatkan akurasi. Salah satu contoh dari ensemble method adalah voting atau bisa disebut majority vote. lalu digunakan ensemble method majority vote didapatkan akurasi 88,89%, dimana akurasi tersebut mendapatkan peningkatan akurasi sebesar 13,39% .

 Kata Kunci : Gangguan Autisme, Algoritma C4.5, vote, K-nearest neighbor, Naive bayes

Full Text:

PDF

References


Budhiman, M. 2002. Autistic spectrum disorder. Jakarta: Yayasan Autisma Indonesia.

David Hartanto, Seng Hansun, 2014. Implementasi Data Mining dengan Algoritma C4.5 untuk Memprediksi Tingkat Kelulusan Mahasiswa, ULTIMATICS, Vol. VI, No.1 Juni 2014, ISSN: 2085-4552.

Fitroh, I. 2015. Metode K-Nearest Neighbor Berbasis Particle Swarm Optimization untuk peramalan kepadatan arus lalu lintas. Semarang: Pasca Sarjana Universitas Dian Nuswantoro.

Gorunescu, F. 2011. Data Mining Concept Model and Techniques. Berlin: Springer.ISBN 978-3-642-19720-8.

Jojor Jennifer Sianipar, M. F. 2012. Identifikasi Diagnosis Gangguan Autisme Pada Anak Menggunakan Metode Modified K-Nearest Neighbor MKNN.

Kusnawi, 2007. Penghantar Solusi Data Mining. Yogyakarta : STMIK AMIKOM.

Munawaroh, Munjiati. 2013. Manajemen Operasi. Yogyakarta. LP3M UMY.

Rosandy, T. 2016. Perbandingan Metode Naive Bayes Classifier dengan Metode Decision Tree Untuk Menganalisa Kelancaran Pembiayaan. Jurnal TIM Darmajaya, 02(01), 52–62.

Saleh, Ahmad. 2015. Klasifikasi Gejala Depresi Pada Manusia dengan Metode Naïve Bayes Menggunakan Java, Yogyakarta.

Sunu, Christoper. 2012. Panduan memecahkan masalah autism unlocking autism. Yogyakarta, Lintangterbit.

Sugara, B., Widyatmoko, D., Prakoso, B. S., & Saputro, D. M. 2018. Penerapan algoritma c4.5 untuk deteksi dini gangguan autisme pada anak. 2018(Sentika).

Tan, Et Al. 2007. Intellectual capital and financial returns of companies. Journal of Intellectual Capital Vol. 8 No. 1, 2007 pp. 76-95.

YongZhang, H. 2014. A Weighted Voting Classifier Based on Differential Evolutio


Refbacks

  • There are currently no refbacks.


Creative Commons License
This work is licensed under a Creative Commons Attribution-NonCommercial 4.0 International License.
slot gacor slot gacor hari ini slot gacor 2025 demo slot pg slot gacor slot gacor