ANALISA ALGORITMA DECISION TREE DAN NAÏVE BAYES PADA PASIEN PENYAKIT LIVER

  • Nadia Tiara Rahman Universitas Darwan Ali, Sampit
Keywords: Data Mining, decision tree (C4.5), Naive Bayes, Penyakit Liver, Rapid Miner

Abstract

Penyakit liver merupakan penyakit yang disebabkan mengkonsumsi alkohol, pelemakan hati, genitika dari orang tua, diabetes, obesitas pada tubuh dan senyawa kimia yang berasal dari obat-obatan. Liver atau disebut hati merupakan organ manusia yang terbesar dan penting. Penyakit liver dapat melakukan pemeriksaan fisik bagian pada tubuh termasuk paru-paru, jantung, kulit, otak, system saraf, dan perut yang dapat memberikan petunjuk untuk penyebab penyakit hati. Hati berfungsi sebagai detoksifikasi pada racun dalam tubuh. Data yang diteliti merupakan hasil pemeriksaan terhadap data di peroleh sebanyak 583 data dengan 416 orang terdeteksi “positif” penyakit liver dan 167 orang “negative” penyakit liver. Oleh karena itu diperlukan sistem analisa data mining dengan metode Algotitma Decision Tree yang mempunyai nilai optimal akurasi sebesar 70.29% dengan AUC 0.757 sedangkan menggunakan Algotitma  Naïve Bayes mempunyai nilai optimal akurasi sebesar 67.05% dengan AUC 0.714. Hasil pembahasan dapat disimpulkan bahwa metode yang memberikan pecahan untuk permasalahan dalam mengindentifikasi penyakit liver ialah Decision Tree (C4.5).

Downloads

Download data is not yet available.

References

Abdar, M., Zomoradi-Mogham,M.,Das,R.,& Ting,I.-H.(2016).
Perfromce Analysis Of Classopaction Algorithms On Early Detection Of Liver Disease.Elsevier,1-27, 2016
Global, Citra Yustitya. (2018).”Sistem Pakar Penyakit Liver Menggunakan K-Nearest Neighbors Algoritm Berbasis Website Volum 10.
Pura May Candra Abrianto. (2018). Penerapan Metode K-Menas Clustering Untuk Mengelompokan Pasien Penyakit Liver Vol.2 No2.
Mandal,Anya., MD. Liver Disease diagnosis, (2019) [https://www.news-medical.net/amp/health/Liver-disease-diagnosis.aspx]
Neshat, Mehdi Mehdi Sargozei, Adel Nadjran Toosi, and Azra Masoimo. (2012).
Hepatitis Disease Diagnosis using hybrid case based reasoning and paticle swarm optimization. Internasional Scholary Reaearch Netwrok: ISRN Artificil Intelligence Volume.
Han, J. and Kamber. (2020).
M. Data Mining: Concepts and Techniques. Morgan Kaufmann, San Francisco, 2000
Connolly, Thomas and Begg, Carolyn. (2010).
Database Systems: A Practical Approach to Design, Implementation, and Management, Fifth Edition. Pearson Education, Boston.
Amril Mutoi Siregar, S.Kom. M.Kom. dan Adam Puspabhuana, S.Kom. M.Kom.. DATA MINING: Pengolahan Data Menjadi Informasi dengan RapidMiner.
Septiani, Dwi Wisati (2017). Komparasi Metode Kalsifikasi Data Mining Algoritma C4.5 dan Naïve Bayes untuk Prediksi Penyakit Hepatitis. Volume 13 No.1,
Novianti, Deny. (2019). Implementasi Algoritma Naïve Bayes Pada Dataset Hepatitis Menggunakan Rapid Miner. Vol XXI, No.1,
Fathorazi Nur Fajri, “Perbandingan Sistem Klasifikasi Naïve Bayes dan Decision Tree Untuk diagnose Penyakit Diabetes”
Eva Rahmawati. (2015) “Analisa Komparasi Algoritma Naive Bayes Dan C4.5 Untuk Prediksi Penyakit Liver”.VolXII,No2,
Novita,Rina. (2003-2016)
Teknik Data Mining Algoritma C4.5.IlmuKomputer.com,
Ridwan.(2008)
”Metode dan Teknik Menyusun Tesis .Bandung:Alfabeta
T.Sutojo, S.Si, M.Kom , Edy Mulyanto, S.Si, M.Kom dan Dr. Vincent Suhartono. ( 2011).
Andi Cynithia,E.P and Ismanto,E (2018).
‘Metode Decision tree algoritma C4.5 dalam mengkalifikasi data penjualan ‘, Jurnal riset system onformasi dan teknik informatika (JURASI), 3 juli, pp.1-13.
Medha, Andro,Ied Dan Haspari,Puspita.,Dian. (2019) Implementing Fuzzy Decesion Tree For Predicting Liver Desease Of ILPD (Indian Liver Patient Dataset). Vol5, No.2,
Published
2020-08-13
Abstract views: 1364 , Download PDF downloads: 1058