PERBANDINGAN KINERJA MODEL KLASIFIKASI TINGKAT ADIKSI NIKOTIN MENGGUNAKAN ALGORITMA C4.5 DAN NAÏVE BAYES BERBASIS SELEKSI ATRIBUT DENGAN METODE CHI-SQUARE
Rokok dikenal sebagai penyebab kematian dan permasalahan kesehatan karena mengandung berbagai bahan kimia berbahaya seperti nikotin yang dapat menyebabkan adiksi bagi perokok. Untuk mendukung upaya mengatasi adiksi nikotin yang dialami perokok, maka tingkat adiksi nikotin yang dialami perokok tersebut perlu diketahui karena akan memengaruhi jenis layanan pengobatan yang sebaiknya dilakukan. Oleh sebab itu, dikembangkanlah suatu model klasifikasi dengan algoritma machine learning guna mengklasifikasikan data tingkat adiksi nikotin yang diakuisisi menggunakan kuesioner Fagestrom Test for Nicotine Dependence. Tujuan penelitian dengan membandingkan nilai kinerja antara algoritma C4.5 dan naïve bayes berbasis proses seleksi atribut dengan metode chi-square ini adalah untuk mengetahui pengaruh dari proses seleksi atribut dengan metode chi-square terhadap model klasifikasi dengan algoritma C4.5 dan naïve bayes, serta untuk menemukan model klasifikasi dengan nilai kinerja yang lebih tinggi diantara algoritma C4.5 dan naïve bayes berbasis seleksi atribut dengan metode chi-square. Hasil penelitian ini menunjukkan bahwa proses seleksi atribut dengsn metode chi-square tidak memiliki pengaruh yang signifikan terhadap peningkatan nilai kinerja dari model klasifikasi dengan algoritma C4.5, dapat meningkatkan nilai kinerja dari model klasifikasi dengan algoritma naïve bayes, dan model klasifikasi dengan algoritma naïve bayes berbasis seleksi atribut dengan metode chi-square menghasilkan nilai akurasi sebesar 79.80%, presisi 82.60%, dan recall 79.60%, lebih tinggi dibandingkan dengan model klasifikasi dengan algoritma C4.5 berbasis seleksi atribut dengan metode chi-square yang menghasilkan nilai akurasi sebesar 81.55%, presisi 77.00%, dan recall 74.00%.
URI
https://repo.itera.ac.id/depan/submission/SB2304100015
Keyword