Klasifikasi Confusion Matriks dan Akurasi

2.3 Klasifikasi

Klasifikasi adalah proses untuk menentukan model atau fungsi yang menjelaskan atau membedakan konsep atau kelas data, dengan tujuan untuk mendapatkan perkiraan kelas dari suatu objek yang labelnya tidak diketahui. Model tersebut bisa berupa aturan “jika-maka”, pohon keputusan, formula matematis atau neural network . Secara umum proses klasifikasi dibagi menjadi dua fase : learning dan test . Pada fase learning , sebagaian data yang telah diketahui kelas datanya digunakan untuk membentuk model perkiraan. Sedangkan pada fase test , model yang sudah terbentuk diuji dengan sebagian data lainnya untuk mengetahui akurasi dari model tersebut. Bila akurasinya menjukupi model ini dapat dipakai untuk memprediksi kelas data yang belum diketahui.

2.4 Pohon Keputusan

2.4.1 Definisi Pohon Keputusan

Pohon keputusan decision tree merupakan salah satu metode klasifikasi yang paling populer karena mudah untuk diinterpretasikan. Pohon keputusan adalah model prediksi menggunakan struktur pohon atau struktur berhirarki. Contoh dari pohon keputusan dapat dilihat pada Gambar 2.2. Pohon keputusan adalah struktur flowchart yang menyerupai pohon tree , dimana setiap percabangan menyatakan kondisi yang harus dipenuhi dan tiap ujung pohon menyatakan kelas data. Pada pohon keputusan setiap simpul daun menandai label kelas. Proses dalam pohon keputusan yaitu mengubah bentuk data tabel menjadi model pohon tree kemudian mengubah model pohon tersebut menjadi aturan rule . PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI Gambar 2. 2 Contoh Pohon Keputusan Pramudiono, 2008

2.4.2 Kelebihan Pohon Keputusan

Kelebihan dari metode pohon keputusan adalah sebagai berikut Faruz El Said, 2009 : 1. Daerah pengambilan keputusan yang sebelumnya kompleks dan sangat global, dapat diubah menjadi lebih simpel dan spesifik. 2. Eliminasi perhitungan-perhitungan yang tidak diperlukan, karena ketika menggunakan metode pohon keputusan maka sample diuji hanya berdasarkan kriteria atau kelas tertentu. 3. Fleksibel untuk memilih fitur dari internal node yang berbeda, fitur yang terpilih akan membedakan suatu kriteria dibandingkan kriteria yang lain dalam node yang sama. Secara fleksibel metode pohon keputusan ini meningkatkan kualitas keputusan yang dihasilkan jika dibandingkan ketika menggunakan metode penghitungan satu tahap yang lebih konvensional.

2.4.3 Kekurangan Pohon Keputusan

Kekurangan dari metode pohon keputusan adalah sebagai berikut : 1. Terjadi overlap terutama ketika kelas-kelas dan kriteria yang digunakan jumlahnya sangat banyak. Hal tersebut juga dapat menyebabkan meningkatnya waktu pengambilan keputusan dan jumlah memori yang diperlukan. 2. Terjadi akumulasi jumlah error dari setiap tingkat dalam sebuah pohon keputusan yang besar. 3. Kesulitan dalam mendesain pohon keputusan yang optimal. 4. Hasil kualitas keputusan yang didapatkan dari metode pohon keputusan sangat tergantung pada bagaimana pohon tersebut didesain.

2.4.4 Algoritma Pohon Keputusan

Banyak algoritma yang dipakai dalam pembentukan pohon keputusan, antara lain ID3, C4.5, CART. a. ID3 Salah satu algoritma decision tree adalah algoritma ID3 Iterative Dichotomiser 3. ID3 pertama kali dikembangkan oleh J.Ross Quinlan di University of Sydney. ID3 pertama kali disajikan pada tahun 1975 dalam sebuah buku, Machine Learning. ID3 didasarkan pada konsep Learning System CLS algoritma Hamilton, 2001. Kelebihan algoritma ID3 adalah sebagai berikut : 1. Dapat membuat aturan prediksi yang mudah dimengerti. 2. Mampu membangun pohon keputusan dengan cepat. 3. Mampu membangun pohon keputusan yang pendek. 4. Hanya membutuhkan beberapa tes atribut hingga semua data diklasifikasikan. Kekurangan algoritma ID3 adalah sebagai berikut : 1. Jika contoh yang diteliti terlalu kecil sederhana mungkin membuat data over-classified . 2. Hanya satu atribut yang dapat dites dalam satu waktu untuk membuat keputusan. b. C4.5 Algoritma C4.5 adalah pengembangan dari ID3 Iterative Dichotomiser 3 yang merupakan salah satu algoritma pohon keputusan Faruz El Said, 2009. Definisi mengenai algoritma C4.5 selanjutnya akan dijelaskan pada bagian 2.4. c. CART CART Classification and Regression Tree adalah salah satu algoritma pohon keputusan. CART adalah sebuah algoritma yang dapat menggambarkan hubungan antara varibel respon variabel dependen dengan variabel prediktor variabel independen. Dalam CART setiap simpul dipecah menjadi 2 cabang. Menurut Breiman dkk 1993, bila variabel respon berbentuk kontinu maka metode yang dipakai adalah metode regression tree , sedangkan bila variabel respon memiliki skala kategori maka metode yang dipakai adalah metode classification tree . Kelebihan algoritma ID3 adalah sebagai berikut : 1. Dapat melakukan komputasi dengan cepat. 2. Fleksibel dan memiliki dapat mengatur waktu perhitungan. Kekurangan algoritma ID3 adalah sebagai berikut : 1. Membagi hanya dengan satu variabel. 2. Memiliki pohon keputusan yang tidak stabil.

2.4 Algoritma C4.5

2.4.1 Definisi Algoritma C4.5

Algoritma C4.5 merupakan salah satu algoritma modern yang digunakan untuk melakukan penambangan data. Dalam algoritma C4.5, input berupa sampel training , label training dan atribut. Sampel training berupa data contoh yang akan digunakan untuk membangun sebuah tree yang telah diuji kebenarannya. Sedangkan atribut merupakan field-field data yang nantinya akan digunakan sebagai parameter dalam melakukan klasifikasi data. Kelebihan algoritma C4.5 adalah sebagai berikut : 1. Mampu menangani atribut dengan tipe diskrit atau kontinu. 2. Mampu menangani atribut yang kosong missing value 3. Pembentukan model mudah dipahami. 4. Bisa memangkas cabang. Kekurangan algoritma C4.5 adalah sebagai berikut : 1. Susah membaca data berjumlah besar. Algoritma dasar C4.5 untuk membangun pohon keputusan adalah sebagai berikut : 1. Memilih atribut sebagai akar root . 2. Membuat cabang untuk masing-masing nilai. 3. Membagi kasus dalam cabang. 4. Mengulangi proses untuk masing-masing cabang sampai semua kasus pada cabang memiliki kelas yang sama. Berikut adalah algoritma C4.5 Mitchell, 1997 : Algoritma C4.5 Input : sampel training, label training, atribut  Buat simpul akar untuk pohon yang dibuat.  Jika semua sampel positif, berhenti dengan suatu pohon dengan satu simpul akar, beri label +.  Jika semua sampel negatif, berhenti dengan suatu pohon dengan satu simpul akar, beri label -.  Jika atribut kosong, berhenti dengan suatu pohon dengan satu simpul akar, dengan label sesuai dengan nilai yang terbanyak yang ada pada label training.  Untuk yang lain,  Mulai : o A  atribut yang mengklasifikasikan sampel dengan hasil yang terbaik berdasarkan gain ratio. o Atribut keputusan untuk simpul akar  A. o Untuk setiap nilai, v i yang mungkin untuk A :  Tambahkan cabang di bawah akar yang berhubungan dengan A = v i .  Tentukan sampel Sv i sebagai subset dari sampel yang mempunyai nilai v i untuk atribut A.  Jika sampel Sv i kosong :  Dibawah cabang tambahkan simpul daun dengan label = nilai yang terbanyak yang ada pada label training.  Yang lain, tambah cabang baru dibawah cabang yang sekarang C4.5 sampel training, label training, atribut-[A].  Berhenti Sebelum memilih atribut sebagai akar, dilakukan perhitungan nilai entropy yang dapat dilihat pada persamaan 2.1 Craw, S. ....................................................2.1 Keterangan: S : Himpunan kasus n : Jumlah partisi S pi : Proporsi dari Si terhadap S Untuk memilih atribut sebagai akar, didasarkan pada nilai gain tertinggi dari atribut-atribut yang ada. Untuk menghitung gain digunakan persamaan berikut seperti pada persamaan 2.2 Craw, S. ............................2.2 Keterangan: S : Himpunan kasus A : Atribut n : Jumlah partisi atribut A |Si| : Jumlah kasus pada partisi ke i |S| : Jumlah kasus dalam S PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI Untuk menghitung GainRatio perlu diketahui suatu term baru yang disebut SplitInformation pemisah informasi. SplitInformation dihitung dengan persamaan sebagai berikut. ............................2.3 Dimana sampai adalah c subset yang dihasilkan dari pemecahan dengan menggunakan atribut A yang mempunyai sebanyak c nilai. Selanjutnya GainRatio dihitung dengan persamaan berikut. ............................2.4 2.5 K-Fold Cross Validation Pada pendekatan ini, setiap data digunakan dalam jumlah yang sama untuk pelatihan dan tepat satu kali untuk pengujian. Bentuk umum pendekatan ini disebut dengan k-fold cross validation , yang memecah set data menjadi k bagian set data dengan ukuran yang sama. Setiap kali berjalan, satu pecahan berperan sebagai set data uji sedangkan pecahan lainnya menjadi set data latih. Prosedur tersebut dilakukan sebanyak k kali sehingga setiap data berkesempatan menjadi data uji tepat satu kali dan menjadi data latih sebanyak k -1 kali. Total error didapatkan dengan menjumlah semua error yang didapat dari k kali proses Angga, 2014. PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI

2.6 Confusion Matriks dan Akurasi

Confusion matriks merupakan tabel yang mencatat hasil kerja klasifikasi. Contoh confusion matriks ditunjukkan dada tabel berikut : Tabel 2. 1 Confusion Matriks untuk Kalasifikasi 2 Kelas f ij Kelas Hasil Prediksi j Kelas = 1` Kelas = 0 Kelas Asli i Kelas = 1` f 11 f 10 Kelas = 0 f 01 f 00 Tabel 2.1 diatas merupakan contoh matrix confusion yang melakukan klasifikasi masalah biner dua kelas untuk dua kelas, misalnya kelas 0 dan 1. Setiap sel f ij dalam matriks menyatakan jumlah record data dari kelas i yang hasil prediksinya masuk ke kelas j . Misalnya sel f 11 adalah jumlah data dalam kelas 1 yang secara benar dipetakan ke kelas 1, dan f 10 adalah data dalam kelas 1 yang dipetakan secara salah ke kelas 0. Berdasarkan isi confusion matriks, maka dapat diketahui jumlah data dari masing-masing kelas yang diprediksi secara benar yaitu f 11 + f 00 dan data yang diklasifikasi secara salah yaitu f 10 + f 01 . Dengan mengetahui jumlah data yang diklasifikasikan secara benar, maka dapat diketahui akurasi hasil prediksi. Untuk menghitung akurasi digunakan formula sebagai berikut Prasetyo, 2014. .......2.5 PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI

BAB III METODOLOGI PENELITIAN

Pada bab ini dijelaskan mengenai data yang digunakan pada penelitian tugas akhir serta proses sistem yang akan dilakuakan dalam mengklasifikasi persalinan normal atau caesar dengan menggunakan algoritma C4.5.

3.1 Data

Data yang digunakan dalam penelitian ini adalah data pasien persalinan yang diperoleh dari sebuah rumah sakit umum di Yogyakarta. Data yang digunakan merupakan data pasien dari tahun 2010-2016. Data tersebut berupa rekam medis pasien yang kemudian disalin ke dalam sebuah file bertipe excel . Dari proses pengumpulan data, diperoleh jumlah data sebanyak 315 data. Data yang diperoleh terdiri dari : tahun masuk pasien, nomor rekam medis, usia ibu, usia kandungan, berat badan, tinggi badan, hasil tes laboratorium hemoglobin, hematokrit, lekosit, trombosit, eritrosit, glukosa, protein, dan HbsAG, pinggul sempittidak, hamil primitidak, hamil tunggalganda, letak janin, presentasi janin, riwayat persalinan, ada riwayat abortustidak, riwayat penyakit diabetes, ginjal, hipertensi, jantung, kanker, lain-lain, taksiran bobot bayi, ketuban pecah dinitidak, dan jenis persalinan normalcaesar.

3.2 Proses Sistem

Masukkan sistem akan diproses menggunakan algoritma C4.5 dalam teori penambangan data. Alur sistem dan tahapan penelitian dijabarkan dalam bentuk diagram blok seperti pada gambar 3.1 berikut :