Pengaruh Prediksi Missing Value pada Klasifikasi Decision Tree C4.5

Arifianto, Aji Seto and Safitri, Kursita Dewi and Agustianto, Khafidurrohman and Wiryawan, I Gede (2022) Pengaruh Prediksi Missing Value pada Klasifikasi Decision Tree C4.5. Jurnal Teknologi Informasi dan Ilmu Komputer (JTIIK). ISSN 2528-6579

	Text JTIK_Aji.docx Download (389kB)
Preview	Image image2.png Download (106kB) | Preview
Preview	Image image3.png Download (160kB) | Preview
Preview	Image image1.jpg Download (49kB) | Preview
	Text Artikel-2 (12%) - Pengaruh Prediksi Missing Value pada Klasifikasi Decision Tree C4.5.pdf Download (2MB)

Abstract

Pendekatan klasifikasi data bersifat supervised learning menuntut adanya dataset yang lengkap. Permasalahan yang muncul adanya missing value yaitu hilangnya nilai suatu atribut yang diakibatkan kesalahan dalam pengumpulan data, kesalahan saat memasukkan data, dan ketidakmampuan responden untuk memberikan jawaban yang akurat. Penelitian ini melakukan uji coba pengembangan rule decision tree C4.5 untuk data penyakit ginjal kronis. Dataset terdiri dari 400 record, 24 atribut dan 1 kelas target. Karakteristik data yang digunakan meliputi 11 data bertipe numerik dan 14 data bertipe nominal. Jumlah data kelas positif penyakit ginjal kronis 250, sedangkan negatif ginjal kronis 150. Total data yang tidak lengkap (missing value) 1012 records. Perlakuan pertama dibangun rule dengan menghitung entropy dan gain pada 360 data training yang terdapat missing value diperoleh 21 rules. Kemudian pada perlakuan kedua diterapkan prediksi missing value menggunakan rumus mean dan modus sebelum pembentukan rule tree, didapatkan 24 rules. Peneliti melakukan pengujian akurasi tree C.45 dengan 40 data uji, hasilnya 90% untuk rule dengan missing value dan 95% untuk dataset yang telah diprediksi nilainya.

Actions (login required)

View Item