Klasifikasi Pengambilan Keputusan Tindakan Operasi Sesar Menggunakan Algoritma Classification and Regression Trees
Abstract
Data mining adalah sebuah metode yang dapat digunakan untuk melihat pola pada kumpulan data yang hasilnya dapat digunakan untuk pengambilan keputusan. Salah satu metode dari proses data mining adalah klasifikasi. Untuk membuat klasifikasi data mining ada salah satu algoritma yang dapat digunakan yaitu Classification and Regression Trees (CART). Penelitian ini bertujuan untuk mengklasifikasikan pengambilan keputusan tindakan operasi sesar menggunakan algoritma Classification and Regression Trees (CART). Dari 80 data tindakan operasi sesar di dataset UCI dilakukan pengujian data dengan membagi data menjadi data latih dan data uji. Persentase split dataset yang digunakan antara lain 90% data latih 10% data uji, 80% data latih 20% data uji, 70% data latih 30%, 60% data latih 40% data uji, 50% data latih 50% data uji dan 85% data latih dan 15% data uji. Diperoleh hasil bahwa implementasi algoritma CART untuk klasifikasi dataset caesarean menghasilkan akurasi tertinggi 75%. Hasil tersebut menunjukkan bahwa algoritma CART dapat digunakan untuk klasifikasi pengambilan keputusan tindakan operasi sesar.
References
Alsharif, O. S. S., Elbayoudi, K. M., Aldrawi, A. A. S., & Akyol, K. (2019). Evaluation of Different Machine Learning Methods for Caesarean Data Classification. International Journal of Information Engineering and Electronic Business, 11(5), 19–23.
Ardiansyah, D., & Walim, W. (2018). Algoritma c4.5 untuk klasifikasi calon peserta lomba cerdas cermat siswa smp dengan menggunakan aplikasi rapid miner. Jurnal Inkofar, 1(2), 5–12.
Desyani, T., Saifudin, A., & Yulianti, Y. (2020). Feature Selection Based on Naive Bayes for Caesarean Section Prediction. IOP Conference Series: Materials Science and Engineering, 879(1).
Fitri, S., Nurjanah, N., & Astuti, W. (2018). Penerapan Data Mining Untuk Evaluasi Kinerja Akademik Mahasiswa (Studi Kasus: Umtas). Simetris: Jurnal Teknik Mesin, Elektro Dan Ilmu Komputer, 9(1), 633–640. https://doi.org/10.24176/simet.v9i1.2002
Hasugian, P. S., & Panjaitan, S. (2018). The Data Mining of Cell Phone Most Interested Using. JURNAL INFOKUM, Volume 7, No.1, Desember 2018, 7(1), 7–15.
Ismail, M. (2019). Perlindungan Hukum bagi Dokter dalam Menangani Keadaan Medis Darurat Berdasarkan Implied Concent. Islamadina : Jurnal Pemikiran Islam, 53.
Javed Mehedi Shamrat, F. M., Ranjan, R., Hasib, K. M., Yadav, A., & Siddique, A. H. (2022). Performance Evaluation Among ID3, C4.5, and CART Decision Tree Algorithm. Lecture Notes in Networks and Systems, 317(January), 127–142.
Muqorobin, M., Kusrini, K., Rokhmah, S., & Muslihah, I. (2020). Estimation System For Late Payment Of School Tuition Fees. International Journal of Computer and Information System (IJCIS), 1(1), 1–6.
Oktanisa, I., & Supianto, A. A. (2018). Perbandingan Teknik Klasifikasi Dalam Data Mining Untuk Bank a Comparison of Classification Techniques in Data Mining for. Teknologi Informasi Dan Ilmu Komputer, 5(5), 567–576.
Prakoso, S. A., & Tutik, E. T. (2017). Komparasi Algoritma C4.5 dengan Naive Bayes untuk Klasifikasi Kelulusan Mahasiswa Tepat Waktu di PTS “KZX.” Journal of Chemical Information and Modeling, 53(9), 1689–1699.
Sivakami, M., & Prabhu, P. (2020). A Comparative Review of Recent Data Mining Techniques for Prediction of Cardiovascular Disease from Electronic Health Records. In D. J. Hemanth, S. Shakya, & Z. Baig (Eds.), Intelligent Data Communication Technologies and Internet of Things (pp. 477–484). Springer International Publishing.
Suciningsih, I. G. A., Hidayat, M. A., & Hapsari, R. A. (2021). Comparation analysis of naïve bayes and decision tree C4 . 5 for caesarean section prediction. 46–52.
Sumarno, H. (2017). Komparasi algoritma klasifikasi machine learning pada analisis sentimen film berbahasa Indonesia. Jurnal Pengembangan Teknologi Informasi Dan Ilmu Komputer (J-PTIIK) Universitas Brawijaya, 1(1), 978–979.
Suntoro, J. (2019). Data Mining: Algoritma dan Implementasi dengan Pemrograman PHP. Elex Media Komputindo.
DOI: 10.24269/jkt.v8i2.2399
Refbacks
- There are currently no refbacks.
