Optimasi Decision Tree Menggunakan Particle Swarm Optimization untuk Klasifikasi Kesuburan pada Pria
Abstrak Keturunan adalah hal yang sangat diharapkan pada setiap pasangan suami istri, maka dari itu tingkat kesuburan pada pria adalah salah satu faktor penting. Faktor yang pempengaruhi tingkat kesuburan itu sendiri seperti hormon, penyakit bawaan, pernah atau tidaknya dioperasi. Salah satu cara un...
| Main Authors: | , |
|---|---|
| Format: | Article |
| Language: | Indonesian |
| Published: |
Islamic University of Indragiri
2021-01-01
|
| Series: | Sistemasi: Jurnal Sistem Informasi |
| Online Access: | http://sistemasi.ftik.unisi.ac.id/index.php/stmsi/article/view/967 |
| Summary: | Abstrak
Keturunan adalah hal yang sangat diharapkan pada setiap pasangan suami istri, maka dari itu tingkat kesuburan pada pria adalah salah satu faktor penting. Faktor yang pempengaruhi tingkat kesuburan itu sendiri seperti hormon, penyakit bawaan, pernah atau tidaknya dioperasi. Salah satu cara untuk menganalisis kesuburan pada pria dapat dilakukan dengan teknik data mining. Data Mining dapat digunakan untuk mengklasifikasi ataupun prediksi. Penelitian ini, bertujuan untuk mendapatkan metode klasifikasi terbaik yang dapat menghasilkan tingkat dari nilai akurasi yang tinggi bila dikombinasikan dengan metode Particle Swarm Optimization (PSO). Pada penelitian ini, algoritma Decision Tree dengan Particle Swarm Optimization meningkatkan nilai akurasi sebesar 93.33% dan nilai AUC sebesar 0,793 termasuk kedalam kategori Fair classification.
Kata Kunci: data mining, decision tree, kesuburan, particle swarm optimization
Abstract
Heredity is something that is expected in every married couple, therefore the level of fertility in men is one important factor. Factors that influence the level of fertility itself such as hormones, congenital diseases, surgery or not. One way to analyze fertility in men can be done with data mining techniques. Data Mining can be used to classify or predict. This study aims to obtain the best classification method that can produce a high level of accuracy when combined with the Particle Swarm Optimization (PSO) method. In this study, the Decision Tree algorithm with Particle Swarm Optimization increased the accuracy value by 93.33% and the AUC value by 0.793 was included in the Fair classification category.
Keywords: data mining, decision tree, fertility, particle swarm optimization |
|---|---|
| ISSN: | 2302-8149 2540-9719 |