OPTIMASI KLASIFIKASI DECISION TREE DENGAN TEKNIK PRUNING UNTUK MENGURANGI OVERFITTING
JSiI (Jurnal Sistem Informasi) · 15.09.2024 · 11 (2) · 87-96
DOI: 10.30656/jsii.v11i2.9161 ↗Kurz gefasst
Fachartikel in der Zeitschrift JSiI (Jurnal Sistem Informasi), online erschienen am 15.09.2024. Verfasst von Cindy Novi Syahputri und 1 weiteren Autor:innen. Die Arbeit wurde bisher 4-mal zitiert (Crossref). Der Volltext ist frei zugänglich (Open Access, CC BY-SA 4.0).
Abstract (Originalsprache)
Penelitian ini bertujuan untuk mengoptimalkan klasifikasi Decision Tree menggunakan teknik pruning untuk mengurangi overfitting pada dataset penyakit jantung Kaggle. Overfitting adalah masalah umum dalam pembelajaran mesin, ketika model terlalu cocok dengan data pelatihan dan kehilangan kemampuannya untuk menggeneralisasi data baru dengan baik. Teknik pruning, termasuk prepruning dan postpruning, diterapkan untuk membatasi kompleksitas model dan meningkatkan kemampuannya dalam mengklasifikasikan data baru. Hasilnya menunjukkan bahwa model dengan postpruning memiliki performa terbaik, dengan akurasi 0,8841, recall 0,8571, presisi 0,8571, dan skor F1 0,8571. Sebagai perbandingan, model dengan prepruning memiliki akurasi sebesar 0,8333, recall sebesar 0,8304, presisi sebesar 0,8304, dan skor F1 sebesar 0,7434. Peningkatan metrik ini menegaskan bahwa postpruning lebih efektif dalam mengurangi overfitting dan meningkatkan kemampuan generalisasi model. Dengan demikian, teknik postpruning dapat dianggap sebagai metode unggulan dalam mengoptimalkan kinerja Decision Tree Classifier untuk klasifikasi penyakit jantung. Penelitian ini diharapkan dapat berkontribusi pada pengembangan model prediksi yang lebih akurat dalam diagnosis penyakit jantung, sehingga membantu upaya pencegahan dan pengobatan yang lebih baik. Kata Kunci: Decision Tree, Pruning, Prepruning, Postpruning, Overfitting, Heart Disease Dataset, Kaggle, Machine Learning, Classification, Model Optimization.
Zitieren
APA
Syahputri, C. N., & Hasibuan, M. S. (2024). OPTIMASI KLASIFIKASI DECISION TREE DENGAN TEKNIK PRUNING UNTUK MENGURANGI OVERFITTING. JSiI (Jurnal Sistem Informasi), 11(2), 87-96. https://doi.org/10.30656/jsii.v11i2.9161
Vancouver
Syahputri CN, Hasibuan MS. OPTIMASI KLASIFIKASI DECISION TREE DENGAN TEKNIK PRUNING UNTUK MENGURANGI OVERFITTING. JSiI (Jurnal Sistem Informasi). 2024;11(2):87-96. doi:10.30656/jsii.v11i2.9161
BibTeX
@article{Syahputri2024,
author = {Syahputri, Cindy Novi and Hasibuan, Muhammad Siddik},
title = {OPTIMASI KLASIFIKASI DECISION TREE DENGAN TEKNIK PRUNING UNTUK MENGURANGI OVERFITTING},
journal = {JSiI (Jurnal Sistem Informasi)},
year = {2024},
volume = {11},
number = {2},
pages = {87--96},
doi = {10.30656/jsii.v11i2.9161}
}
EUVIMED