Diagnosis Penyakit Ginjal Kronis dengan Algoritma C4.5, K-Means dan BPSO
| Main Authors: | Mahardika Pratama, I Gede Aditya, Astuti, Luh Gede, Widiartha, I Made, Cahyadi Putra, I Gusti Ngurah Anom, Adi Pramartha, Cokorda Rai, Atmaja Darmawan, I Dewa Made Bayu |
|---|---|
| Format: | Article info application/pdf eJournal |
| Bahasa: | ind |
| Terbitan: |
Informatics Department, Faculty of Mathematics and Natural Sciences, Udayana University
, 2022
|
| Online Access: |
https://ojs.unud.ac.id/index.php/JLK/article/view/86196 https://ojs.unud.ac.id/index.php/JLK/article/view/86196/45092 |
Daftar Isi:
- Chronic kidney disease or Chronic Kidney Disease (CKD) is a disorder of the kidneys that results in the kidneys not being able to perform their functions properly due to decreased kidney performance. Classification is a data mining technique that can be used in diagnosing chronic kidney disease. In this study, the classification was carried out using the C4.5 algorithm. K-Means Clustering is used to discretize numeric type data. Binary Particle Swarm Optimization (BPSO) serves to select a subset of features that are redundant and less informative in the dataset or what is known as feature selection. The test was carried out using the 10-fold cross validation method on the Chronic Kidney Disease (CKD) dataset obtained from the UCI Machine Learning Repository. The test results in this study found that the application of feature selection with BPSO was able to increase the performance of the C4.5 classification with the values ??of accuracy, precision, recall and f-measure, respectively, namely 96%, 96.869%, 96.8% and 96.781% as well as computation time. which is obtained is 62.56 ms. While in BPSO parameter testing, the best parameter values ??obtained with the number of particles is 15, the number of iterations is 40, the value of c1 is 1 and c2 is 1.2 and the value of inertia weight (w) is 0.9.
- Penyakit ginjal kronis atau Chronic Kidney Disease (CKD) adalah gangguan pada ginjal yang mengakibatkan ginjal tidak dapat melakukan fungsinya dengan baik karena turunnya kinerja organ ginjal. Klasifikasi adalah teknik data mining yang dapat digunakan dalam mendiagnosis penyakit ginjal kronis. Pada penelitian ini, klasifikasi dilakukan dengan menggunakan algoritma C4.5. K-Means Clustering digunakan untuk mendiskritisasi data bertipe numerik. Binary Particle Swarm Optimization (BPSO) berfungsi untuk menseleksi subset fitur yang berlebihan dan kurang informatif pada dataset atau yang disebut dengan seleksi fitur. Pengujian dilakukan dengan menggunakan metode 10-fold cross validation pada dataset Chronic Kidney Disease (CKD) yang didapat dari UCI Machine Learning Repository. Hasil pengujian pada penelitian ini didapatkan bahwa penerapan seleksi fitur dengan BPSO mampu meningkat kinerja klasifikasi C4.5 dengan nilai accuracy, precision, recall dan f-measure berturut-turut yaitu 96%, 96,869%, 96,8% dan 96,781% serta waktu komputasi yang didapatkan yaitu 62,56 ms. Sedangkan pada pengujian parameter BPSO, didapatkan nilai parameter terbaik dengan jumlah partikel adalah 15, jumlah iterasi adalah 40, nilai c1 adalah 1 dan c2 adalah 1,2 serta nilai bobot inersia (w) adalah 0,9.