PERBANDINGAN FEATURE SELECTION ANTARA BACKWARD METHOD DAN STEPWISE METHOD PADA DATASET PRIMARY TUMOR

Abstract

Feature selection dalam data mining bertujuan mengidentifikasi dan mempertahankan fitur-fitur relevan, meningkatkan kinerja model, serta mempermudah interpretasi, yang menghasilkan model yang efisien dan efektif untuk pengambilan keputusan lebih baik. Penelitian ini bertujuan untuk membandingkan kinerja dua Feature Selection, yaitu antara Backward Method dan Stepwise Method, pada dataset Primary Tumor. Pada dataset ini memberikan informasi tentang berbagai jenis tumor primer yang didiagnosis pada pasien di berbagai lokasi dalam tubuh. Metode yang digunakan untuk mengukur kinerja dua feature selection pada penelitian ini adalah menggunakan nilai accuracy. Nilai accuracy yang lebih tinggi menunjukkan bahwa model yang dikembangkan dengan fitur-fitur yang dipilih melalui metode backward atau metode stepwise  memiliki kemampuan yang lebih baik dalam memprediksi data uji atau memodelkan hubungan dalam dataset. Pada penelitian ini, didapatkan hasil bahwa accuracy dari metode backward cenderung lebih tinggi yaitu sebesar 66.774 (0.021) sedangkan accuracy dari metode stepwise adalah sebesar 65.806 (0.008). Hal ini menunjukkan bahwa dengan menggunakan metode backward cenderung lebih baik dalam memprediksi variabel dependen dibandingkan dengan model yang dibangun menggunakan metode stepwise dalam konteks data yang digunakan.