PERBANDINGAN METODE FEATURE SELECTION FILTER METHOD DAN BACKWARD METHOD PADA DATASET DERMATOLOGY
Keywords:
dermatology, feature selection, filter method, backward methodAbstract
Dermatologi merupakan cabang ilmu kedokteran yang mempelajari penyakit kulit yang memiliki gejala klinis serupa, seperti kemerahan dan bersisik, namun dengan sedikit perbedaan. Beberapa penyakit yang termasuk dalam kelompok ini antara lain psoriasis, seborrheic dermatitis, lichen planus, pityriasis rosea, cronic dermatitis, dan pityriasis rubra pilaris. Salah satu metode komputasi yang dapat digunakan dalam pengolahan data adalah data mining. Dalam data mining, data pre-processing merupakan tahapan yang sangat penting. Salah satu teknik data pre-processing yang sering digunakan untuk mengetahui atribut yang paling berpengaruh pada sebuah dataset adalah feature selection. Metode feature selection dapat membantu dalam perbandingan fitur yang paling sesuai dengan melihat nilai akurasi dari tiap metode feature selection yang digunakan. Dataset Dermatology yang digunakan dalam penelitian ini adalah data yang diunduh dari situs repository UCI Machine Learning. Dari hasil pengujian perbandingan metode feature selection yaitu filter method dan backward method diperoleh metode feature selection terbaik yaitu pada backward method dengan nilai akurasi tertinggi yaitu 98.286
References
Adnyana, I. M. (2019). Penerapan Feature Selection untuk Prediksi Lama Studi Mahasiswa. JURNAL SISTEM DAN INFORMATIKA.
Annisa Nurul Puteri, A. A. (2021). Feature Selection Correlation-Based pada Prediksi Nasabah Bank Telemarketing untuk Deposito. Matrik: Jurnal Manajemen, Teknik Informatika, dan Rekayasa Komputer.
Anurag Kumar Vermaa, S. P. (2019). Comparison of skin disease prediction by feature selection using ensemble.
Jaree Thongkam, G. X. (2008). Breast Cancer Survivabilityvia AdaBoost Algorithms. Second Australian Workshop on Health Data and Knowledge Management.
Jasmina Nalic, A. S. (2018). Importance of Data Pre-Processing in Credit Scoring Models Based on Data Mining Approaches. Computer Science.
Khafid Akbar, M. H. (2020). Data Balancing untuk Mengatasi Imbalance Dataset pada Prediksi Produksi Padi. Jurnal Ilmiah Intech : Information Technology Journal of UMUS.
Prajarini, D. (2016). Perbandingan Algoritma Klasifikasi Data Mining Untuk Prediksi Penyakit Kulit. Informatics Journal.
Reza Dwi Fitriani, H. Y. (2021). PENANGANAN KLASIFIKASI KELAS DATA TIDAK SEIMBANG DENGAN RANDOM OVERSAMPLING PADA NAIVE BAYES. JURNAL GAUSSIAN.
UCI. (2023, September). Retrieved from UCI MACHINE LEARNING: https://archive.ics.uci.edu/ml/machine-learning-databases/dermatology/dermatology.data
WICKLY GUSTHVI, A. A. (2023). Perbandingan Metode Klasifikasi Decission Tree, Naive Bayes, K-Nearest-Neighbor, dan Logistic Regression pada Dataset Phishing. CENDERAWASIH Journal of Statistics and Data Science.
