METODE ADABOOST PADA SKEMA PEMODELAN HYBRID UNTUK KLASIFIKASI PENYAKIT LIVER
Keywords:
Logistic Regression (LR), Multivariate Adaptive Regression Splines (MARS), rtificial Neural Network (ANN), Rough Set (RS), Adaboost
Abstract
Penelitian ini mengajukan perbandingan antara dua model hybrid yaitu, Artificial Neural Network (ANN) dan Adaboost pada skema pemodelan hybrid untuk klasifikasi penyakit liver. Digunakan metode Logistic Regression (LR), Multivariate Adaptive Regression Splines (MARS), Rough Set (RS), Artificial Neural Network (ANN), dan Adaboost untuk membangun skema model hybrid. Ada dua tahapan utama dalam penelitian ini, tahapan pertama menggunakan LR, MARS, dan RS untuk memilih fitur yang relevan terhadap klasifikasi dan selanjutnya fitur-fitur terpilih akan digunakan sebagai masukan pada klasifikasi menggunakan classifier ANN dan Adaboost. Tahap kedua adalah membangun skema hybrid yang menghasilkan enam kombinasi yaitu LR-ANN, MARS-ANN, RS-ANN, LR-Adaboost, MARS-Adaboost, dan RS-Adaboost. Penelitian ini juga membandingkan akurasi menggunakan classifier tunggal dengan model skema hybrid untuk klasifikasi penyakit liver. Secara keseluruhan, dengan menggunakan skema hybrid Adaboost, akurasi meningkat terhadap classifier tunggal Adaboost.
References
[1] Polat, Kemal et all. “Breast cancer and liver disorders classification using artificial immune recognition system (AIRS) with performance evaluation by fuzzy resource allocation mechanism”. Expert Systems with Applications, vol. 32, Issue 1, pp. 172–183, January 2007.
[2] Fan, Chin-Yuan et al. “A hybrid model combining case-based reasoning and fuzzy decision tree for medical data classification”. Applied Soft Computing, vol. 11, Issue 1, pp. 632–644, January 2011.
[3] Shaoa,Y.E., Chia-Ding Houa, Chih-Chou Chiu. “Hybrid intelligent modeling schemes for heart disease classification”. Applied Soft Computing, vol. 14, pp. 47–52, January 2014.
[4] Rokach, Lior. “Ensemble-based classifiers”. Artificial Intelligence Review, vol. 33, Issue 1, pp 1–39, February 2010.
[5] Ramana, B., Surendra P. B., and Venkateswarlu. http://archive.ics.uci.edu/ml/machine-learning-databases/00225/, 2012.
[2] Fan, Chin-Yuan et al. “A hybrid model combining case-based reasoning and fuzzy decision tree for medical data classification”. Applied Soft Computing, vol. 11, Issue 1, pp. 632–644, January 2011.
[3] Shaoa,Y.E., Chia-Ding Houa, Chih-Chou Chiu. “Hybrid intelligent modeling schemes for heart disease classification”. Applied Soft Computing, vol. 14, pp. 47–52, January 2014.
[4] Rokach, Lior. “Ensemble-based classifiers”. Artificial Intelligence Review, vol. 33, Issue 1, pp 1–39, February 2010.
[5] Ramana, B., Surendra P. B., and Venkateswarlu. http://archive.ics.uci.edu/ml/machine-learning-databases/00225/, 2012.
