Improving The Accuracy Of The C4.5 Algorithm Using Particle Swarm Optimization To Predicate Diabetes Patients

Abstract

Penyakit diabetes merupakan penyakit yang terjadi karena peningkatan kadar gula dalam darah. Peningkatan kadar gula dapat memicu terjadinya kematian karena dapat mengakibatkan rusaknya pembuluh darah, saraf dan struktur internal lainnya. Untuk menghindari akibat yang buruk, penting untuk memprediksi apakah seseorang menderita penyakit diabetes atau tidak berdasarkan informasi yang dimiliki dari setiap pasien. Metode yang dapat digunakan untuk memprediksi seseorang menderita penyakit diabetes atau tidak adalah metode klasifikasi. Algoritma C4.5 merupakan salah satu algoritma klasifikasi yang dapat digunakan untuk memprediksi penderita diabetes. Walaupun algoritma C4.5 dapat digunakan untuk memprediksi, akan tetapi mendapatkan nilai akurasi yang tinggi juga sebagai pengukuran yang penting. Salah satu yang dapat dilakukan untuk meningkatkan nilai akurasi adalah menyeleksi atribut yang paling mempengaruhi seseorang menderita diabetes atau tidak. Pemilihan fitur sangat mempengaruhi hasil akurasi dari algoritma C4.5, particle swarm optimization digunakan sebagai metode seleksi fitur dalam penelitian ini. Tujuan penelitian ini adalah meningkatnya nilai akurasi untuk memprediksi seseorang menderita diabetes atau tidak melalui pemilihan fitur menggunakan particle swarm optimization. Dataset yang digunakan adalah Pima Indian Diabetes Databases (PIDD) berasal dari University of California Irvine (UCI) Machine Learning Repository. Hasil penelitian memperlihatkan pemilihan fitur menggunakan particle swarm optimization sebelum penggunaan algoritma C4.5 dapat meningkatkan akurasi sebanyak 6% dari nilai akurasi sebelumnya yaitu 75%. Fitur yang terseleksi sebanyak 4 atribut dari 9 atribut. Keempat atribut tersebut adalah Glucose, SkinThickness, BMI dan DiabetesPedigreeFunction. Hasil seleksi fitur menggunakan particle swarm optimization dapat meningkatkan akurasi prediksi seseorang menderita penyakit diabetes atau tidak.