OPTIMALISASI AKURASI DATA MINING DENGAN MENGGUNAKAN ALGORITMA PSO

Wahyuni Windasari
{"title":"OPTIMALISASI AKURASI DATA MINING DENGAN MENGGUNAKAN ALGORITMA PSO","authors":"Wahyuni Windasari","doi":"10.32639/jasta.v1i2.189","DOIUrl":null,"url":null,"abstract":"Dewasa ini metode klasifikasi data mining telah banyak diterapkan di berbagai bidang. Salah satunya bidang kesehatan. Penelitian ini membandingkan  akurasi kinerja dua metode klasifikasi data mining yaitu metode Naïve Bayes dan C4.5 untuk memprediksi tingkat resiko kehamilan berdasarkan faktor resikonya. Hasil penelitian menunjukkan bahwa akurasi algoritma C4.5 lebih baik dibandingkan algoritma Naïve Bayes. Selain itu, penambahan algoritma PSO pada design penelitian juga mampu menaikkan akurasi algoritma C4.5.","PeriodicalId":206449,"journal":{"name":"Journal of Data Science Theory and Application","volume":"6 1","pages":"0"},"PeriodicalIF":0.0000,"publicationDate":"2022-10-10","publicationTypes":"Journal Article","fieldsOfStudy":null,"isOpenAccess":false,"openAccessPdf":"","citationCount":"0","resultStr":null,"platform":"Semanticscholar","paperid":null,"PeriodicalName":"Journal of Data Science Theory and Application","FirstCategoryId":"1085","ListUrlMain":"https://doi.org/10.32639/jasta.v1i2.189","RegionNum":0,"RegionCategory":null,"ArticlePicture":[],"TitleCN":null,"AbstractTextCN":null,"PMCID":null,"EPubDate":"","PubModel":"","JCR":"","JCRName":"","Score":null,"Total":0}
引用次数: 0

Abstract

Dewasa ini metode klasifikasi data mining telah banyak diterapkan di berbagai bidang. Salah satunya bidang kesehatan. Penelitian ini membandingkan  akurasi kinerja dua metode klasifikasi data mining yaitu metode Naïve Bayes dan C4.5 untuk memprediksi tingkat resiko kehamilan berdasarkan faktor resikonya. Hasil penelitian menunjukkan bahwa akurasi algoritma C4.5 lebih baik dibandingkan algoritma Naïve Bayes. Selain itu, penambahan algoritma PSO pada design penelitian juga mampu menaikkan akurasi algoritma C4.5.
利用PSO算法优化数据挖掘准确率
今天,挖掘数据分类方法在许多领域得到了广泛的应用。其中一个是健康领域。这项研究比较了两种数据分类方法的准确性,即Naive Bayes和C4.5,以预测风险因素的妊娠风险水平。研究表明,算法C4.5比Naive Bayes更准确。此外,在研究设计中添加PSO算法也可以提高算法C4.5的准确性。
本文章由计算机程序翻译,如有差异,请以英文原文为准。
求助全文
约1分钟内获得全文 求助全文
来源期刊
自引率
0.00%
发文量
0
×
引用
GB/T 7714-2015
复制
MLA
复制
APA
复制
导出至
BibTeX EndNote RefMan NoteFirst NoteExpress
×
提示
您的信息不完整,为了账户安全,请先补充。
现在去补充
×
提示
您因"违规操作"
具体请查看互助需知
我知道了
×
提示
确定
请完成安全验证×
copy
已复制链接
快去分享给好友吧!
我知道了
右上角分享
点击右上角分享
0
联系我们:info@booksci.cn Book学术提供免费学术资源搜索服务,方便国内外学者检索中英文文献。致力于提供最便捷和优质的服务体验。 Copyright © 2023 布克学术 All rights reserved.
京ICP备2023020795号-1
ghs 京公网安备 11010802042870号
Book学术文献互助
Book学术文献互助群
群 号:604180095
Book学术官方微信