Perbandingan Kinerja Rule ZeroR dan Function SMO dengan T-Test dalam Pengklasifikasian Diagnosis Penyakit Diabetes Mellitus

Slamet Wiyono(1*)

(1) Politeknik Harapan Bersama
(*) Corresponding Author

Abstract

Penemuan informasi dari data medis adalah salah satu cara untuk membuat keputusan dari pasien. Dataset diabetes mellitus diperoleh dari Pima Indian dataset diabetes dari repositori UCI. Pengolahan data mining dibagi menjadi dua tahap yaitu pertama, identifikasi dan pencarian atribut data , pencarian keakurasian data menggunakan software WEKA dan kedua, tahap kelayakan perbandingan kedua data tersebut dengan t-test menggunakan Microsoft excell. Masing-masing metode diuji keefektifitasanya dengan menggunakan 10-fold cross validation dengan hasil pengukuran diperoleh akurasi 77,3 % untuk function SMO dan 65,1 % untuk rule ZeroR . Setelah didapatkan hasil akurasi, dilakukan pengujian perbandingan kesignifikaan dengan confidence level 5% dengan menggunakan t-test. Didapatkan hasil bahwa keduanya signifikan, hal ni berarti bahwa metode function SMO memberikan prediksi yang lebih baik dari rule ZeroR untuk diagnose penyakit diabetes.

Keywords

t-test; function SMO; ZeroR

Full Text:

PDF

References

National Institute of Diabetes and Digeative and Kidney Diseases, “Conquering Diabetes, A Strategic Plan for the 21st Century,”

National Institutes of Health, U.S. Department of Health and Human Services, NIH Publication No. 99-4398, 1999.

Smith, J.W., Everhart, J.E., Dickson, W.C., Knowler, W.C., & Johannes, R.S., “Using the ADAP learning algorithm to forecast the onset of diabetes mellitus,” in Proceedings of the Symposium on Computer Applications and Medical Care, IEEE Computer Society Press, pp. 261-265, 1988.

Zhu, W., Zeng, N., & Wang, N., “Sensitivity, specificity, accuracy confidence interval and ROC analysis with practical SAS implementations,” Nesug, Health Care and Life Sciences, pp. 1-9, 2010.

WEKA, Machine Learning Group at University of Waikato, diambil dari http://www.cs.waikato.ac.nz/ml/weka/

Pima Indians Diabetes Dataset, UCI Machine Learning Repository, diambil dari http://archive.ics.uci.edu/ml/datasets/Pima+Indians+Diabetes

Article Metrics

Abstract view(s): 531 time(s)
PDF: 399 time(s)

Refbacks

  • There are currently no refbacks.