KOMPARASI ALGORITMA UNTUK KLASIFIKASI DATASET COVID-19 SURVILLANCE
Abstrak
Pandemi covid-19 yang terjadi di dunia saat ini merupakan yang terbesar selama lebih dari satu decade. Banyaknya penderita, kurangnya kesadaran masyarakat, serta adanya mutasi baru dari virus merupakan beberapa faktor pendukung kenaikan kasus covid-19. Di semua bidang dilakukan penelitian guna menurunkan tingkat keparahan penyakit, menghentikan penyebaran, serta mengobati pasien terdampak virus. Di bidang data mining banyak dilakukan penelitian dengan menggunakan dataset yang ada untuk memperoleh pengetahuan baru. Pengetahuan inilah yang nantinya dapat digunakan sebagai dasar untuk menentukan kebijakan institusi, perusahaan bahkan untuk pemerintahan. Dalam penelitian ini membandingkan algoritma KNN, Neural Network, Bayes, serta Decission Tree untuk klasifikasi dataset Covid-19 survillance. Dataset yang digunakan adalah data dari Kementrian Kesehatan Republik Indonesia. Data ini diambil dari portal penyedia data ternama yaitu uci repository. Dari hasil perhitungan membuktikan bahwa algoritma decision tree merupakan model terbaik untuk klasifikasi dataset Covid-19 survillance. Akan tetapi tingkat akurasi yang diperoleh decision tree dalam klasifikasi ini hanyalah 65% yang masih tergolong dalam tingkatan yang belum memuaskan.
Kata Kunci : covid-19 survillance, akurasi, decision tree
Referensi
Alkaromi, M. A. (2014). Komparasi Algoritma Klasifikasi untuk dataset iris dengan rapid miner. IC Tech, XI(2).
Gorunescu, F. (2011). Data Mining: Concepts; Models and Techniques. Springer.
Indrayanti, I., Devi, S., & Al Karomi, M. A. (2017). Peningkatan Akurasi Algoritma KNN dengan Seleksi Fitur Gain Ratio untuk Klasifikasi Penyakit Diabetes Mellitus. IC-TECH, XIII(2), 1–6.
Ivandari, & Al Karomi, M. A. (2021a). Algoritma K-NN untuk klasifikasi dataset Covid-19 survillance. IC Tech, 16(1), 12–15. https://ejournal.stmik-wp.ac.id/index.php/ictech/article/view/137
Ivandari, & Al Karomi, M. A. (2021b). Classification of Covid-19 Survillance Datasets using the Decision Tree Algorithm. Jaict, 6(1), 44–49. https://jurnal.polines.ac.id/index.php/jaict/article/view/2896
Witten, I. H., Frank, E., & Hall, M. A. (2011). Data Mining: Practical Machine Learning Tools and Techniques 3rd Edition (Vol. 40, Issue 6). Elsevier. https://doi.org/10.1002/1521-3773(20010316)40:6<9823::AID-ANIE9823>3.3.CO;2-C
