3.2.5. Evaluasi Data
Setelah dilakukannya proses modeling, maka akan dilakukan proses menghitung akurasi dari kebenaran data dengan metode
confution matrix
, yaitu dengan menjumlahkan data yang benar dan membaginya dengan semua data yang benar maupun data salah dan
dikalikan dengan 100. Berikut ini contoh dari
confution matrix
- nya.
Tabel 3. 8 Confution Matrix
Kelas
DM DM_Hiper-
glikemia HT_DM
Ulkus_DM DM_Neu-
ropati DM
T F
F F
F
DM_Hiperglike mia
F T
F F
F
HT_DM
F F
T F
F
Ulkus_DM
F F
F T
F
DM_Neuropati
F F
F T
Berdasarkan tabel 3.8 diatas, jumlah akurasi dari tiap percobaan dapat dihitung dengan rumusan berikut :
� � =
∑ ∑ + ∑ ∗
∑ , dapat dicari dengan menjumlahkan semua T yang terdapat pada tabel 3.8. Sementara itu
∑ diperoleh dari semua nilai F pada tabel. Setelah
∑ dihitung, dibagikan dengan ∑ + ∑ dan setelah itu dapat dikalikan dengan 100.
3.3. Desain Pengujian
Langkah ini adalah proses untuk membagi data yang akan diuji pada proses modeling terhadap metode yang dipakai yaitu
Naive Bayesian Clasifier
. Berikut ini merupakan tahapan pengujiannya : PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI
Gambar 3. 3 Alur Kerja Desain Pengujian
Pengujian ini dilakukan sebanyak
k
yang dimasukkan jumlah
k- fold
. Berikut merupakan tabel pengujian dengan menggunakan data training dan testing sesuai dengan jumlah masukan
k
yang ditentukan pengguna.
Tabel 3. 9 Data dengan 3 Fold
Pengujian Training
Testing
1 1,2
3 2
1,3 2
3 2,3
1 Tabel diatas merupakan pembagian data dengan 3 fold, yaitu semua
data akan dibagi menjadi 3 bagian yang sama rata dan data-data tersebut akan secara bergantian digunakan sebagai training dan testing.
Tabel 3. 10 Data dengan 5 Fold
Pengujian Training
Testing
1 1,2,3,4
5 2
1,2,3,5 4
3 1,2,4,5
3 4
1,3,4,5 2
5 2,3,4,5
1 Tabel 3.10 diatas merupakan pembagian data dengan 5 fold, yaitu
semua data akan dibagi menjadi 5 bagian yang sama rata dan data-data tersebut akan secara bergantian digunakan sebagai training dan testing.
Tabel 3. 11 Data dengan 7 Fold
Pengujian Training
Testing
1 1,2,3,4,5,6
7 2
1,2,3,4,5,7 6
3 1,2,3,4,6,7
5 4
1,2,3,5,6,7 4
5 1,2,4,5,6,7
3 6
1,3,4,5,6,7 2
7 2,3,4,5,6,7
1 Tabel 3.11 diatas merupakan pembagian data dengan 7 fold, yaitu
semua data akan dibagi menjadi 7 bagian yang sama rata dan data-data tersebut akan secara bergantian digunakan sebagai training dan testing.
Tabel 3. 12 Data dengan 9 Fold
Pengujian Training
Testing
1 1,2,3,4,5,6,7,8
9 2
1,2,3,4,5,6,7,9 8
3 1,2,3,4,5,6,8,9
7 4
1,2,3,4,5,7,8,9 6
5 1,2,3,4,6,7,8,9
5 6
1,2,3,5,6,7,8,9 4
7 1,2,4,5,6,7,8,9
3 8
1,3,4,5,6,7,8,9 2
9 2,3,4,5,6,7,8,9
1 Tabel 3.12 diatas merupakan pembagian data dengan 9 fold, yaitu
semua data akan dibagi menjadi 9 bagian yang sama rata dan data-data tersebut akan secara bergantian digunakan sebagai training dan testing.
3.4. Spesifikasi Alat
3.4.1. Hardware
Adapun hardware yang digunakan adalah :
Processor Intel Core I3
RAM 4 GB 3.4.2.
Software
Adapun software yang digunakan adalah :
Sistem operasi : Microsoft Windows 10 Pro
Tools Data mining
: Matlab 2012 PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI
BAB IV
ANALISA HASIL DAN IMPLEMENTASI SISTEM
Pada bab ini akan dibahas berbagai hal yang berkaitan dengan implementasi dari sistem dan hasil yang telah didapat dari beberapa pengujian yang dilakukan,
serta analisa dari hasil penghujian.
4.1. Analisa Hasil Akurasi Klasifikasi
Kategori