Review: Algoritma Data Mining untuk Klasifikasi Data
DOI:
https://doi.org/10.17977/um068v2i122022p550-556Keywords:
data mining, klasifikasi, support vector machine, neural network, decision tree, k-nearest neighborAbstract
Classification is a data processing technique by grouping the data according to the criteria possessed by each data. In data processing, the data to be processed does not have certain requirements. In short all data can be classified. The data classification technique can use various algorithms. There are many algorithms that can be used in classification, such as Decision Tree, Support Vector Machine, Neural Network, and K-Nearest Neighbor. This study will review the classification algorithms. Researchers will show the differences of each algorithm by showing the advantages and disadvantages of the algorithm. This study will also demonstrate a Case Based Reasoning system that can improve the results of the classification algorithm.
Klasifikasi merupakan teknik pengolahan data dengan cara mengelompokkan data-data tersebut sesuai dengan kriteria yang dimiliki oleh masing-masing data. Dalam pengolahan datanya, data yang akan diolah tidak memiliki persyaratan tertentu. Singkatnya semua data dapat diklasifikasikan. Teknik klasifikasi data tersebut dapat menggunakan berbagai macam algoritma. Terdapat banyak algoritma yang dapat digunakan dalam klasifikasi, seperti Decision Tree, Support Vector Machine, Neural Network, dan K-Nearest Neighbor. Penelitian ini akan mengulas tentang algoritma – algoritma klasifikasi tersebut. Peneliti akan menunjukkan perbedaan dari masing – masing algoritma dengan menunjukkan kelebihan dan kekurangan algoritma tersebut. Pada penelitian ini juga akan ditunjukkan sistem Case Based Reasoning yang dapat memperbaiki hasil dari algoritma klasifikasi.
References
S. Neelamegam and E. Ramaraj, “Classification algorithm in Data mining : An Overview,” vol. 4, no. 8, pp. 369–374, 2013.
X. Wu et al., Top 10 algorithms in data mining, vol. 14, no. 1. 2008.
A. Id, D. a N. C, and D. K. Spam-mail, “Perbandingan kinerja algoritma id3 dan c4.5 dalam klasifikasi spam-mail,” ReCALL, 2008.
A. M. Zamani and B. Amaliah, “Implementasi Algoritma Genetika pada Struktur Backpropagation Neural Network untuk Klasifikasi Kanker Payudara,” J. Tek. POMITS, vol. 1, no. 1, pp. 1–6, 2012.
U. Suwardi, A. Syukur, and R. Anggi P, “Komparasi Algoritma Backpropagation , Nearest Neighbor , Dan Desicion Tree Untuk Mendeteksi Penyakit Demam Berdarah Pada Pasien Opname,” vol. 8, no. April, pp. 57–67, 2012.
K. Aryasa, “Expert System Diagnosa Jenis Penyakit Gigi Menggunakan JST Backpropagation,” Csrid, vol. 4, no. 0411, pp. 81–95, 2012.
A. S. Arifianto, M. Sarosa, and O. Setyawati, “Klasifikasi Stroke Berdasarkan Kelainan Patologis dengan Learning Vector Quantiation,” Eeccis, vol. 8, no. 2, pp. 117–122, 2014.
A. C. Agustina, “Pengenalan Aksara Jawamenggunakan Learning Vector Quantization ( Lvq ),” no. 1, 2009.
S. Wirakusuma, “Pengenalan pola tulisan tangan aksara jawa menggunakan multi layer perceptron,” pp. 6–8, 2015.
J. Kim, B. Kim, S. Savarese, and A. Arbor, “Comparing Image Classification Methods : K-Nearest-Neighbor and Support-Vector-Machines,” pp. 133–138.
F. Colas and P. Brazdil, “Comparison of SVM and some older classification algorithms in text classification tasks,” IFIP Int. Fed. Inf. Process., vol. 217, pp. 169–178, 2006.
A. S. Shanthi, “Support Vector Machine for MRI Stroke Classfication,” vol. 6, no. 04, pp. 156–163, 2014.
M.-C. Lee and C. To, “Comparison of Support Vector Machine and Back Propagation Neural Network in Evaluating the Enterprise Financial Distress,” Int. J. Artif. Intell. Appl., vol. 1, no. 3, pp. 31–43, 2010.
J. W. Fernanda, “Boosting Neural Network dan Boosting Cart,” vol. 2, no. 2, pp. 33–49, 2012.
A. Rohman, “Penerapan algoritma c4.5 berbasis adaboost untuk prediksi penyakit jantung [,” Din. Sains, vol. 11, pp. 40–49, 2013.
A. Suwondo, D. Asmarajati, and H. Surahman, “Algoritma C4.5 Berbasis Adaboost Untukprediksi Penyakit Jantung Koroner,” p. 3887, 2013.
R. A. Gitasari, “Klasifikasi Penyakit Diabetes Retinopati Berdasarkan Citra Digital Dengan Menggunakan Metode Wavelet Dan Support Vector Machine,” pp. 1–5, 2015.
U. J. I. Kinerja, D. a N. Analisis, D. a N. a N. N. Back-propagation, N. Dengan, and S. V. M. Dan, “Vector Nearest Neighbor Dengan Svm,” no. June 2014, 2016.
J. Nayak, B. Naik, and H. S. Behera, “A comprehensive survey on support vector machine in data mining tasks: Applications & challenges,” Int. J. Database Theory Appl., vol. 8, no. 1, pp. 169–186, 2015.
R. Burbidge, M. Trotter, S. Holden, and B. Buxton, “Drug Design by Machine Learning: Support Vector Machines for Pharmaceutical Data Analysis.”
R. A. Saputra, “Komparasi Algoritma Klasifikasi Data Mining Untuk Memprediksi Penyakit Tuberculosis ( Tb ): Studi Kasus Puskesmas Karawang,” Semin. Nas. Inov. dan Tren, no. April, pp. 1–8, 2014.
A. Hidayat and R. N. Shofa, “Seri Sains dan Teknologi ISSN 2477-3891 SELF ORGANIZING MAPS ( SOM ) Abstrak Seri Sains dan Teknologi ISSN 2477-3891,” vol. 2, no. 1, pp. 64–70, 2016.
N. Afifah, “KLASIFIKASI PENYAKIT BATUK BERDASARKAN SINYAL DATA SUARA MENGGUNAKAN EKSTRAKSI CIRI FAST FOURIER TRANSFORM DAN POWER SPECTRAL DENSITY DENGAN ALGORITMA JARINGAN SARAF TIRUAN- PROPAGASI BALIK COUGH DISEASE CLASSIFICATION BASED ON VOICE DATA SIGNALS USING FA.”
B. Rifai, “Algoritma Neural Network Untuk Prediksi,” vol. IX, no. 1, pp. 1–9, 2011.
R. Mafrur, M. Andestoni, M. S. Ahdi, N. S. Fajri, and A. Muhantini, “Pengenalan Huruf Jawa Menggunakan Metode Learning Vector Quantization ( Lvq ),” no. December, pp. 1–6, 2008.
Nursalim, Suprapedi, and H.himawan, “Klasifikasi Bidang Kerja Lulusan Menggunakan Algoritma K-Nearest Neighbor,” Teknol. Inf., vol. 10, no. April, pp. 31–43, 2014.
H. Leidiyana, “Penerapan Algoritma K-Nearest Neighbor Untuk Penentuan Resiko Kredit Kepemilikan Kendaraan Bermotor,” J. Penelit. Ilmu Komputer, Syst. Embed. Log., vol. 1, no. 1, pp. 65–76, 2013.
N. Syafitri, “Vol . 2 No . 1 September 2010,” Teknol. Inf. Dan Pendidik., vol. 2, no. 1, pp. 42–53, 2010.
S. B. Kotsiantis, “Supervised Machine Learning : A Review of Classification Techniques,” vol. 31, pp. 249–268, 2007.
S. Aulia, S. Hadiyoso, and D. N. Ramadan, “Analisis Perbandingan KNN dengan SVM untuk Klasifikasi Penyakit Diabetes Retinopati berdasarkan Citra Eksudat dan Mikroaneurisma,” J. ELKOMIKA -Teknik Elektro Itenas - ISSN 2338-8323, vol. 3, no. 1, pp. 75–90, 2015.
M. Zainuddin, K. Hidjah, and I. W. Tunjung, “Penerapan Case Based Reasoning (CBR) Untuk Mendiagnosis Penyakit Stroke Menggunakan Algoritma K-Nearest Neighbor,” Citisee, pp. 23–24, 2016.
A. Aamodt, “Case-Based Reasoning : Foundational Issues , Methodological Variations , and System Approaches,” vol. 7, pp. 39–59, 1994.
N. Choudhury, “A Survey on Case-based Reasoning in Medicine,” vol. 7, no. 8, pp. 136–144, 2016.
3.png)
1.png)
1.png)
