Perbandingan Algoritma C4.5 dengan C4.5+Particle Swarm Optimization untuk Klasifikasi Angkatan Kerja
DOI:
https://doi.org/10.35143/jkt.v7i2.5143Kata Kunci:
C4.5, K-Means, K-Medoid, Particle Swarm Optimization (PSO)Abstrak
Dalam suatu dataset yang besar, data mining merupakan sebuah bentuk proses penyelesaian yang menghasilkan beberapa pola baru menjadi suatu informasi yang berguna. Algoritma C4.5 merupakan algoritma dalam pengklasifikasian yang sering dipakai dalam machine learning. Algoritma ini terkenal sangat kuat dalam melakukan klasifikasi, namun algoritma ini memiliki beberapa kelemahan yaitu seperti sering terjadi overlapping dan overfitting data. Untuk menangani ini dibutuhkannya seleksi atribut yang dapat mengidentifikasi atribut yang relevan tanpa mengurangi akurasi dari algoritma itu sendiri. Particle Swarm Optimization (PSO) adalah algoritma optimasi yang dapat digunakan sebagai seleksi atribut. Keuntungan dari PSO ini mudah diterapkan, efisien dalam perhitungan dan memiliki konsep yang sederhana jika dibandingkan dengan algoritma data mining dan teknik optimasi lainnya. Pada penelitian ini, akurasi yang diberikan oleh C4.5 yang dioptimasi dengan algoritma Particle Swarm Optimization (PSO) terbukti lebih tinggi dibandingkan mengggunakan algoritma C4.5 saja. Dimana algoritma C4.5+PSO memiliki akurasi sebesar 66,80% sedangkan algoritma C4.5 memiliki akurasi sebesar 76,32%.Unduhan
Referensi
R. S. Kodeeshwari and K. T. Ilakkiya, “Different Types of Data Mining Techniques Used in Agriculture - A Survey,†Int. J. Adv. Eng. Res. Sci., vol. 4, no. 6, pp. 17–23, 2017, doi: 10.22161/ijaers.4.6.3.
A. Waluyo, H. Jatnika, M. R. S. Permatasari, T. Tuslaela, I. Purnamasari, and A. P. Windarto, “Data Mining Optimization uses C4.5 Classification and Particle Swarm Optimization (PSO) in the location selection of Student Boardinghouses,†IOP Conf. Ser. Mater. Sci. Eng., vol. 874, no. 1, pp. 1–9, 2020, doi: 10.1088/1757-899X/874/1/012024.
Clustering algorithms 3.1. 2020.
Z. E. Rasjid and R. Setiawan, “Performance Comparison and Optimization of Text Document Classification using k-NN and Naïve Bayes Classification Techniques,†Procedia Comput. Sci., vol. 116, pp. 107–112, 2017, doi: 10.1016/j.procs.2017.10.017.
R. H. Saputra and B. Prasetyo, “Improve the Accuracy of C4.5 Algorithm Using Particle Swarm Optimization (PSO) Feature Selection and Bagging Technique in Breast Cancer Diagnosis,†J Soft Comp. Exp, vol. 1, no. 1, pp. 47–55, 2020.
O. Pahlevi, “JITE ( Journal of Informatics and Telecommunication Engineering ) Data Mining Optimization Based on Particle Swarm Optimization,†vol. 5, no. July, pp. 152–159, 2021.
T. Eftimov and P. Korošec, “A novel statistical approach for comparing meta-heuristic stochastic optimization algorithms according to the distribution of solutions in the search space,†Inf. Sci. (Ny)., vol. 489, pp. 255–273, 2019, doi: 10.1016/j.ins.2019.03.049.
A. Adamu, M. Abdullahi, S. B. Junaidu, and I. H. Hassan, “An hybrid particle swarm optimization with crow search algorithm for feature selection,†Mach. Learn. with Appl., vol. 6, no. April, p. 100108, 2021, doi: 10.1016/j.mlwa.2021.100108.
Mustakim, “Effectiveness of K-means clustering to distribute training data and testing data on K-nearest neighbor classification,†J. Theor. Appl. Inf. Technol., vol. 95, no. 21, pp. 5693–5700, 2017.
I. Romli, T. Pardamean, S. Butsianto, T. N. Wiyatno, and E. Bin Mohamad, “Naive Bayes Algorithm Implementation Based on Particle Swarm Optimization in Analyzing the Defect Product,†J. Phys. Conf. Ser., vol. 1845, no. 1, 2021, doi: 10.1088/1742-6596/1845/1/012020.
P. Kumar and D. Sirohi, “Comparative analysis of FCM and HCM algorithm on Iris data set,†Int. J. Comput. Appl., vol. 5, no. 2, pp. 33–37, 2017, doi: 10.5120/888-1261.
Mustakim, M. Z. Fauzi, Mustafa, A. Abdullah, and Rohayati, “Clustering of Public Opinion on Natural Disasters in Indonesia Using DBSCAN and K-Medoids Algorithms,†J. Phys. Conf. Ser., vol. 1783, no. 1, 2021, doi: 10.1088/1742-6596/1783/1/012016.
D. F. Pramesti, Lahan, M. Tanzil Furqon, and C. Dewi, “Implementasi Metode K-Medoids Clustering Untuk Pengelompokan Data,†J. Pengemb. Teknol. Inf. dan Ilmu Komput., vol. 1, no. 9, pp. 723–732, 2017, doi: 10.1109/EUMC.2008.4751704.
L. D. Yulianto, A. Triayudi, and I. D. Sholihati, “Implementation Educational Data Mining For Analysis of Student Performance Prediction with Comparison of K-Nearest Neighbor Data Mining Method and Decision Tree C4.5,†J. Mantik, vol. 4, no. 1, pp. 441–451, 2020.
M. R. Khalilpour Darzi, S. T. A. Niaki, and M. Khedmati, “Binary classification of imbalanced datasets: The case of CoIL challenge 2000,†Expert Syst. Appl., vol. 128, pp. 169–186, 2019, doi: 10.1016/j.eswa.2019.03.024.
L. Rahmi, “Analisis Proyeksi Pertumbuhan Penduduk Terhadap Kondisi Ketenagakerjaan Di Kota Sawahlunto Sumatera Barat,†Georafflesia, vol. 2, no. 1, pp. 95–106, 2017.
S. Sundaramurthy and P. Jayavel, “A hybrid Grey Wolf Optimization and Particle Swarm Optimization with C4.5 approach for prediction of Rheumatoid Arthritis,†Appl. Soft Comput. J., vol. 94, p. 106500, 2020, doi: 10.1016/j.asoc.2020.106500.
H. Bin Wang and Y. J. Gao, “Research on C4.5 algorithm improvement strategy based on MapReduce,†Procedia Comput. Sci., vol. 183, pp. 160–165, 2021, doi: 10.1016/j.procs.2021.02.045.
X. Meng, P. Zhang, Y. Xu, and H. Xie, “Construction of decision tree based on C4.5 algorithm for online voltage stability assessment,†Int. J. Electr. Power Energy Syst., vol. 118, no. October 2019, p. 105793, 2020, doi: 10.1016/j.ijepes.2019.105793.
W. Utomo, “The comparison of k-means and k-medoids algorithms for clustering the spread of the covid-19 outbreak in Indonesia,†Ilk. J. Ilm., vol. 13, no. 1, pp. 31–35, 2021, doi: 10.33096/ilkom.v13i1.763.31-35.
R. M. Adnan, P. Khosravinia, B. Karimi, and O. Kisi, “Prediction of hydraulics performance in drain envelopes using Kmeans based multivariate adaptive regression spline,†Appl. Soft Comput., vol. 100, p. 107008, 2021, doi: 10.1016/j.asoc.2020.107008.
A. K. Singh, S. Mittal, P. Malhotra, and Y. V. Srivastava, “Clustering Evaluation by Davies-Bouldin Index(DBI) in Cereal data using K-Means,†Proc. 4th Int. Conf. Comput. Methodol. Commun. ICCMC 2020, no. Iccmc, pp. 306–310, 2020, doi: 10.1109/ICCMC48092.2020.ICCMC-00057.
I. Yulianti, R. A. Saputra, M. S. Mardiyanto, and A. Rahmawati, “Optimasi Akurasi Algoritma C4.5 Berbasis Particle Swarm Optimization dengan Teknik Bagging pada Prediksi Penyakit Ginjal Kronis,†Techno.Com, vol. 19, no. 4, pp. 411–421, 2020, doi: 10.33633/tc.v19i4.3579.
Unduhan
Diterbitkan
Terbitan
Bagian
Lisensi
Hak Cipta (c) 2021 Jurnal Komputer Terapan
Artikel ini berlisensiCreative Commons Attribution-NonCommercial-ShareAlike 4.0 International License.
Penulis yang mempublikasikan naskah pada jurnal ini setuju tentang hal-hal berikut ini:
- Penulis memegang hak cipta untuk proses, prosedur, atau artikel yang dideskripsikan pada naskah dan memberikan hak kepada jurnal untuk pertama kali mempublikasikan naskah dibawah Creative Commons Attribution License yang memperbolehkan orang lain untuk menyebarkan hasil penelitian dengan pengakuan hak cipta penulis dan jurnal.
- Penulis memegang hak untuk mempublikasikan kembali semua atau sebagian hasil penelitian pada naskah lain tetapi tidak memberikan hak kepada pihak ketiga lain untuk mencetak dan mempublikasikan ulang hasil penelitian yang sama.
- Penulis diperbolehkan dan disarankan untuk menginformasikan naskah yang telah terbit secara online (seperti pada repository institusi atau website milik penulis) yang akan meningkatkan produktivitas rujukan dan sitasi dari naskah yang telah terbit.
Ciptaan disebarluaskan di bawah Lisensi Creative Commons Atribusi-NonKomersial-BerbagiSerupa 4.0 Internasional.
