Perbandingan Algoritma C4.5 dengan C4.5+Particle Swarm Optimization untuk Klasifikasi Angkatan Kerja

Abstract

Dalam suatu dataset yang besar, data mining merupakan sebuah bentuk proses penyelesaian yang menghasilkan beberapa pola baru menjadi suatu informasi yang berguna. Algoritma C4.5 merupakan algoritma dalam pengklasifikasian yang sering dipakai dalam machine learning. Algoritma ini terkenal sangat kuat dalam melakukan klasifikasi, namun algoritma ini memiliki beberapa kelemahan yaitu seperti sering terjadi overlapping dan overfitting data. Untuk menangani ini dibutuhkannya seleksi atribut yang  dapat mengidentifikasi atribut yang relevan tanpa mengurangi akurasi dari algoritma itu sendiri. Particle Swarm Optimization (PSO) adalah algoritma optimasi yang dapat digunakan sebagai seleksi atribut. Keuntungan dari PSO ini mudah diterapkan, efisien dalam perhitungan dan memiliki konsep yang sederhana jika dibandingkan dengan algoritma data mining dan teknik optimasi lainnya. Pada penelitian ini, akurasi yang diberikan oleh C4.5 yang dioptimasi dengan algoritma Particle Swarm Optimization (PSO) terbukti lebih tinggi dibandingkan mengggunakan algoritma C4.5 saja. Dimana algoritma C4.5+PSO memiliki akurasi sebesar 66,80% sedangkan algoritma C4.5 memiliki akurasi sebesar 76,32%.