KLASIFIKASI DATA KEJADIAN LUAR BIASA CAMPAK MENGGUNAKAN METODE DECISSION TREE C4.5
Abstract
Klasifikasi merupakan sebuah teknik pembelajaran yang ada pada data mining yang dapat membangun sebuah aturan yang digunakan untuk klasifikasi. Pada penelitian ini, klasifikasi yang dilakukan adalah untuk mengetahui daerah yang menderita kejadian luar biasa (KLB) atau non KLB berdasarkan data survailen penyakit campak di suatu wilayah. Data diperoleh dari Dinas Kesehatan Provinsi DIY dan jumlah data yang dikumpulkan adalah 648 data yang selanjutnya telah dibagi kedalam 2 bagian yaitu data pembelajaran dan data pengujian. Permasalahan dalam penelitian ini adalah bagaimana algoritma decisisin tree C.45 dapat melakukan klasifikasi KLB atau non KLB. Tujuan dari pengklasifikasian yang dilakukan adalah untuk mengetahui kinerja algoritma decision tree c.45 dalam melakukan klasifikasi data KLB suatu penyakit. Hasil penelitian menunjukkan bahwa dari 500 data diperoleh akurasi sebesar 84.4037%. Berdasarkan hasil data akurat yang diperoleh dari testing tersebut maka dilakukan pengujian menggunakan 10-Fold Cross Validation, algoritma decission tree c4.5 mampu melakukan klasifikasi sebesar 96%. Sehingga dapat dikatakan algoritma ini dapat digunakan untuk melakukan klasifikasi.
Â
Kata kunci: KLB, Campak, Decision Tree C4.5
Full Text:
PDF (Bahasa Indonesia)DOI: http://dx.doi.org/10.26798/jiko.v1i1.14
Article Metrics
Abstract view : 1440 timesPDF (Bahasa Indonesia) - 1057 times
Refbacks
- There are currently no refbacks.
Copyright (c) 2016 Sulistyowati Sulistyowati