Peningkatan Akurasi Pada Algoritma ID3 Menggunakan Operator Bagging Dalam Mendiagnosa Kesehatan Kehamilan
Sari
Abstrak
Semakin meningkatnya resiko kematian yang dialami oleh ibu hamil, salah satu penyebanya dikarenakan faktor keterlambatan dalam mengambil sebuah keputusan. Hal tersebut menjadi dasar untuk dilakukan kembali peningkatan akurasi pembelajaran mesin (mechine learning) dalam mengolah data untuk mendiagnosa kesehatan kehamilan. Penelitian ini dilakukan dengan menggunakan dataset dari penelitian sebelumnya pada tahun 2019 berjudul “Penerapan Algoritma Iterative Dichotomiser Three (ID3) Dalam Mendiagnosa Kesehatan Kehamilan”, yang menghasilkan akurasi sebesar 80.33%. Tujuan penelitian ini yaitu untuk meningkatkan akurasi dari algoritma Iterative Dichotomiser Three (ID3) yang telah dilakukan pada penelitian sebelumnya tersebut. Metode yang digunakan untuk meningkatkan akurasi dalam penelitian ini yaitu menggunakan metode ensemble learning bagging. Sampel rasio yang diterapkan pada metode metode ensemble learning bagging ini sebesar 0.9 dengan 5 kali iterasi. Hasil penelitian ini adalah berupa peningkatan akurasi setelah ditambahkan metode ensemble learning bagging pada algoritma ID3 dengan hasil peningkatan sebesar 3.19%, sehingga akurasi yang didapat dalam model data yang diolah untuk mendiagnosa kesehatan kehamilan naik menjadi 83.52%.
Kata Kunci: bagging, ensemble, id3, kehamilan
Abstract
The increasing risk of death experienced by pregnant women, one of the causes is due to the delay in making a decision. This becomes the basis for improving the accuracy of machine learning in processing data to diagnose pregnancy health. This research was conducted using a dataset from previous research in 2019 entitled "Penerapan Algoritma Iterative Dichotomiser Three (ID3) Dalam Mendiagnosa Kesehatan Kehamilan", which resulted in an accuracy of 80.33%. The purpose of this study is to improve the accuracy of the Iterative Dichotomiser Three (ID3) algorithm that has been carried out in the previous research. The method used to improve accuracy in this study is to use the ensemble learning bagging method. The sample ratio applied to this bagging method is 0.9 with 5 iterations. The amount of increase obtained after adding the bagging method to the ID3 algorithm was 3.19%, so that the accuracy obtained in the processed data model to diagnose pregnancy health rose to 83.52%.
Keywords: bagging, ensemble, id3, pregnancy
Teks Lengkap:
PDFReferensi
Abdillah, A., Nurajijah, N., & Nawawi, I. (2018). Perancangan Sistem Pakar Diagnosa Penyakit Kehamilan Berbasis Web. Jurnal Techno Nusa Mandiri, 15(2), 115. https://doi.org/10.33480/techno.v15i2.910
Agwil, W., Fransiska, H., & Hidayati, N. (2019). Analisis ketepatan waktu lulus mahasiswa dengan menggunakan bagging cart, 155–166.
Aji, A. H., Furqon, M. T., & Widodo, A. W. (2018). Sistem Pakar Diagnosa Penyakit Ibu Hamil Menggunakan Metode Certainty Factor ( CF ), 2(5), 2127–2134.
Arrahimi, A. R., Ihsan, M. K., Kartini, D., Faisal, M. R., & Indriani, F. (2019). Teknik Bagging Dan Boosting Pada Algoritma CART Untuk Klasifikasi Masa Studi Mahasiswa. Jurnal Sains Dan Informatika, 5(1), 21–30. https://doi.org/10.34128/jsi.v5i1.171
Foroozand, H., & Weijs, S. V. (2017). Entropy ensemble filter: A modified bootstrap aggregating (Bagging) procedure to improve efficiency in ensemble model simulation. Entropy, 19(10). https://doi.org/10.3390/e19100520
Hikmatulloh, H., Rahmawati, A., Wintana, D., & Ambarsari, D. A. (2019). Penerapan Algoritma Iterative Dichotomiser Three (Id3) Dalam Mendiagnosa Kesehatan Kehamilan. Klik - Kumpulan Jurnal Ilmu Komputer, 6(2), 116. https://doi.org/10.20527/klik.v6i2.189
Mirqotussa’adah, M., Muslim, M. A., Sugiharti, E., Prasetiyo, B., & Alimah, S. (2017). Penerapan Dizcretization dan Teknik Bagging Untuk Meningkatkan Akurasi Klasifikasi Berbasis Ensemble pada Algoritma C4.5 dalam Mendiagnosa Diabetes. Lontar Komputer : Jurnal Ilmiah Teknologi Informasi, 8(2), 135. https://doi.org/10.24843/lkjiti.2017.v08.i02.p07
Setiyorini, T., & Wahono, R. S. (2015). Penerapan Metode Bagging untuk Mengurangi Data Noise pada Neural Network untuk Estimasi Kuat Tekan Beton, 1(1), 37–42.
Sulaiman, O. K. (2020). Merdeka Kreatif di Era Pandemi Covid-19.
Sumanto, D. (2005). Presisi dan Akurasi Hasil Penelitian Kuatitatif Berdasarkan Pengambilan Sample Secara Acak. Jurnal Litbang Universitas Muhammadiyah Semarang, 2(2), 45–53. Retrieved from http://jurnal.unimus.ac.id
DOI: https://doi.org/10.31294/ijcit.v6i2.10232
##submission.copyrightStatement##
##submission.license.cc.by-sa4.footer##
P-ISSN: 2527-449X E-ISSN: 2549-7421
Statistik Pengunjung Jurnal IJCIT
