PERBANDINGAN ALGORITMA KLASIFIKASI UNTUK PREDIKSI PENYAKIT LIVER

Abstract

Hati merupakan oragn terbesar dalam tubuh manusia, beratnya sekitar 3 lbs. Hati letaknya berada di sisi kanan rongga perut di bawah diafragma. Dimana hati  itu sendiri bertindak sebagai filter darah dalam tubuh. Hampir semua darah melewati liver. kerusakan liver menimbulkan komplikasi terhadap penyakit yang  lain. Beberapa penelitian dilakukan untuk mendiagnosis pasien yang terkena penyakit liver. Dari permaslahan diatas hal yang memungkinkan adalah melakukan penelitian dengan cara menemukan korelasi antar atribut yang berpengaruh terhadap timbulnya penyakit liver. Pengolahan data mining menjadi salah satu solusi dalam penelitian untuk menemukan keterkaitan antar atribut data untuk mendapatkan pengetahuan dan pola. Selain itu harus dikatehui sejauh mana tingkat kaurasi yang didapat dari model. Dengan cara membandingkan lima algoritma klasifikasi yang ditentukkan, diantaranya Decision Tree (C4.5), Naive Beyes(NB), K-Nearest Neighbor(kNN), Log-R, Deep learning. salah satu algorima terbaik dijadikan untuk pengambilan keputusan dalam menentukan pasien yang terkena atau tidaknya terhadap penyakit liver. Dalam penelitian ini kami menggunakan dataset yang didapat dari  repositori UCI yang terdiri dari 583 pasien catatan dengan 11 atribut. perbandingan yang didapat dari ke lima algoritma menggunakan algoritma dengan perangkat lunak Rapidminer untuk mengetahui mana yang paling akurat dalam memprediksi penyakit liver. Untuk menentukan indikator akurasi menggunakan metode Area Under Curve(AUC) dan uji beda (t-Test). Dari perbandingan kelima algoritma Decision Tree (C4.5) merupakan algoritma dengan hasil paling baik, dengan tingkat accuracy (72.56%) dan AUC (0.594), untuk mendapatkan performa yang lebih baik dilakukan Feature Extraction dan Feature Selection, ada kenaikan menjadi  73.24% (accuracy) dan 0.602(AUC).