J48 Tree Classification dan Simple K-Means Clustering

pada Diagnosa Alcoholic Liver Disease (ALD)

1
M. Rijaluddin Robbani Hanafi 2 Ika Nurlaili I.
1
5210100114, 2 5210100130
1,2
Jurusan Sistem Informasi Fakultas Teknologi Informasi Institut Teknologi Sepuluh Nopember
Kampus ITS Sukolilo Surabaya 60111, Indonesia
1
rijaluddin10@mhs.is.its.ac.id, 2 ika.nurlaili10@mhs.is.its.ac.id

AbstrakDokumen ini membahas mengenai diagnosa efek konsumsi minuman

beralkoholyang berlebih akan mampu merusak fungsi hati sebagai organ vital manusia atau
dikenal dengan Alcoholic Liver Disease (ALD). Diagnosa akan dilakukan menggunakan dua
metode pada aplikasi WEKA, yakni classification dengan tree J48 serta clustering dengan
simple K-Means.

Kata KunciAlcoholic Liver Disease, WEKA, Classification, Clustering, J48, Simple K-

Means.

I. PENDAHULUAN Tabel 1. Deskripsi Atribut pada Data ALD

Nama atribut Deskripsi

P
enemuan pattern dari data medis
mcv Volume rata-rata
dalam dunia kedokteran saat ini
corpuscular
menjadi fokus yang cukup penting. alkphos Alkaline fosfat
Dalam hal ini, pentingnya peranan data sgpt Alamine
mining akan mampu memberikan hasil Aminotransferase
yang optimal serta merupakan solusi yang Sgot sspartat
potensial, khususnya bagi knowledge Aminotransferase
discovery techniques[1]. gammagt Gamma-glutamyl
transpepsidase
Konsumsi minuman beralkohol di miras Jumlah takaran gelas
dunia saat ini cukup banyak ditemui pada pint untuk konsumsi
alkohol per hari
masyarakat, khususnya pada negara-negara
Class Membagi data ALD ke
Eropa dan Amerika. Sayangnya, hal dalam dua class, yaitu:
tersebut memiliki efek yang kurang baik cukup beresiko dan
bagi kesehatan. Disamping itu, konsumsi sangat beresiko
minuman beralkohol yang berlebih juga
mampu merusak fungsi hati sebagai organ
Lima atribut pertama diperoleh dari hasil
vital manusia. Studi ini akan menggunakan
laporan tes darah yang dianggap sensitif
data mengenai Alcoholic Liver Disease
terhadap gangguan hati yang mungkin
(ALD) dari UCI Machine Learning
timbul dari konsumsi alkohol yang
Repository[2]. Secara keseluruhan, data
berlebihan. Variabel keenam, yakni 'miras',
ALD mengandung 7 atribut yang
berisikan pengukuran konsumsi alkohol,
dijelaskan pada tabel berikut.
dan variabel terakhir adalah variabel

1
'Class' yang merupakan class atribut pada
data.
II. TINJAUAN PUSTAKA
A. ALKOHOL
Minuman beralkohol adalah
minuman yang mengandung etanol. Etanol
adalah bahan psikoaktif dan konsumsinya
menyebabkan penurunan kesadaran.
Etanol ialah sejenis bahan kimia yang
berupaya menekankan aktivitas otak,
justru mengubah kewibawaan akal fikiran.
Minuman beralkohol dibuat dengan cara
fermentasi khamir dari bahan baku yang
mengandung pati atau gula tinggi[3].
Penggunaan alkohol secara
berterusan untuk jangka masa yang lama
boleh menyebabkan kesan toleransi yaitu
peminum terpaksa mengambil ramuan
yang semakin banyak bagi mendapatkan
kesan yang serupa. Di berbagai negara,
penjualan minuman beralkohol dibatasi ke
sejumlah kalangan saja, umumnya orang-
orang yang telah melewati batas usia
tertentu. Kandungan alkohol di atas 40
gram untuk pria setiap hari atau di atas 30
gram untuk wanita setiap hari dapat
berakibat kerusakan pada organ/bagian
tubuh peminumnya[3],[4].
B. ALCOHOLIC LIVER DISEASE
Hati adalah organ vital hadir dalam
vertebrata. Sampai saat ini, masih belum
ada cara untuk mentolerir ketiadaan fungsi
hati[3]. Banyak gangguan hati dapat terjadi
seperti penyakit akibat alkohol hati.
Penyakit kelainan hati akibat alkohol atau
Alcoholic Liver Disease (ALD) adalah
akibat potensial yang diakibatkan oleh
konsumsi alkohol. Diagnosis dari ALD
dapat didasarkan dari beberapa hal, yakni
2
data-data historis konsumsi alkohol, tanda-
tanda fisik, serta tes laboratorium[5].
C. DATA MINING
Secara umum, data mining dapat
disebut juga dengan knowledge discovery.
Definisi dari data mining adalah sebuah
proses menganalisis data dari perspektif
yang berbeda dan merangkumnya menjadi
sebuah informasi yang berguna, informasi
berguna ini contohnya informasi yang
dapat digunakan untuk meningkatkan
pendapatan, mengurangi biaya atau bahkan
keduanya. Software data mining adalah
salah satu dari sejumlah alat-alat analisis
untuk menganalisis data yang ada. Hal ini
memungkinkan pengguna untuk
menganalisis data dari berbagai dimensi
atau sudut pandang, mengkategorikannya
dan merangkumnya, mengidentifikasi
hubungannya. Secara teknis, data mining
adalah proses menemukan korelasi atau
pola antara puluhan fielddalam satu basis
data yang besar dan memiliki relasi[6].
D. CLASSIFICATION METHOD
Metode klasifikasi adalah suatu
proses untuk mengelompokkan sejumlah
data kedalam kelas-kelas tertentu yang
sudah ditentukan berdasarkan kesamaan
sifat dan pola yang ada dalam data-data
tersebut. Umumnya, proses klasifikasi
dimulai dengan diberikannya sejumlah
data yang dijadikan acuan untuk membuat
aturan klasifikasi data. Data-data ini biasa
disebut dengan training sets. Dari training
sets itu kemudian dibuat sebuahmodel
untuk mengklasifikasikan data. Model
tersebut kemudian dijadikan sebagai acuan
untuk mengklasifikasikan data-data yang
belum diketahui kelasnya, ini disebut
dengantest sets. Beberapa metode
klasifikasi adalah dengan menggunakan
pohon keputusan (decision tree), kaidah
(rule), Memory Based Reasoning, Neural
Networks, Nave Bayes, dan Support
Vector Machine[7].
E. CLUSTERING METHOD
Metode clustering digunakan untuk
menganalisis pengelompokkan terhadap
data, mirip denganklasifikasi, namun
pengelompokkan belum didefinisikan
sebelum dijalankannya tool data mining.
Biasanya menggunkan metode neural
network atau statistik. Clustering membagi
item menjadi kelompok-kelompok
berdasarkan temuan yang ditemukan tool
data mining.Prinsip dari clustering adalah
memaksimalkan kesamaan antar anggota
satu kelas danmeminimumkan kesamaan
antar cluster. Clustering dapat dilakukan
pada data yang memilikibeberapa atribut
yang dipetakan sebagai ruang
multidimensi[8].
F. WEKA
WEKA(Wakaito Environment for
Knowledge Analysis) adalah aplikasi yang
dikembangkan oleh University of Waikato,
New Zealand. WEKA menyediakan
banyak metode-metode untuk data mining
seperti re-processing, classification,
clustering, regression,association dan
beberapa metode lainnya[9]. Sebagian
besar kasus yang bertujuan untuk
menganalisis pengelompokkan data
umumnya menggunakan metode
klasifikasi dan klastering. Berikut ini
merupakan beberapa jenis classifieryang
ada pada metode klasifikasi maupun
metode klastering.
1) J48
J48 merupakan salah satu jenis
classifier pada metode klasifikasi dalam
data mining. J48 classifier adalah C4.5
decision tree yang sederhana. Ini
3
menciptakan sebuah binary tree.
Pendekatan decision tree adalah hal yang
paling penting dalam masalah klasifikasi.
Dengan menggunakan teknik ini, sebuah
tree dibentuk untuk model proses
klasifikasi. Setelah tree dibentuk, itu
diterapkan untuk setiap record dalam
database dan hasil dalam klasifikasi record
itu[10].
2) SIMPLE K-MEANS
Simple K-Means merupakan salah
satu jenis classifier pada metode klastering
dalam data mining.K-Means adalah suatu
metode analisis data atau metode data
mining yang melakukan proses pemodelan
tanpa supervisi (unsupervised) dan
merupakan salah satu metode yang
melakukan pengelompokan data dengan
sistem partisi. Metode k-means berusaha
mengelompokkan data yang ada ke dalam
beberapa kelompok, dimana data dalam
satu kelompok mempunyai karakteristik
yang sama satu sama lainnya dan
mempunyai karakteristik yang berbeda
dengan data yang ada di dalam kelompok
yang lain. Dengan kata lain, metode ini
berusaha untuk meminimalkan variasi
antar data yang ada di dalam suatu cluster
dan memaksimalkan variasi dengan data
yang ada di cluster lainnya[11].
III. METODOLOGI
Tahapan metodologi yang digunakan
meliputi tiga proses utama, yakni: (1)input,
(2)proses, dan (3)output. Gambaran
metodologi tersebut dapat dilihat pada
gambar berikut.
 Data Preprocessing

Identifikasi Proses Analisis Hasil

Permasalahan Pengolahan Data
Pengolahan Data
Studi Literatur
Pengumpulan Data
Pengolahan Data dengan
Pengolahan Data dengan
Metode Klustering Simple K-
Metode Klasifikasi Tree J48
Input Output Means

Gambar 2. Teknik Pengolahan Data

IV. PENGUMPULAN DAN

PENGOLAHAN DATA
Gambar 1. Metode Pengerjaan

Adapun tahapan pengelolaan data akan A. DATA ALCOHOLIC LIVER

dibagi lagi ke dalam dua proses, yakni: DISEASE

Proses Klasifikasi dengan Tree Data yang akan digunakan untuk

J48 proses pengolahan, terdiri atas data
Metode ini digunakan untuk training serta data testing.
mengelompokkan data ke dalam 1) TRAINING
dua class yang berbeda, yakni:
(1)cukup beresiko, dan (2)sangat Data training yang digunakan
beresiko. Proses ini akan berisikan sebanyak 190 line data yang
melibatkan beberapa pilihan test, mengandung ketujuh atribut yang telah
yakni: Use Training Set, Supplied dijelaskan pada awal bab. Berikut ini
Test Set, Cross Validation, dan merupakan beberapa data training yang
Percentage Split. akan digunakan.
Proses Klustering dengan Simple
K-Means
Proses ini juga akan melibatkan
beberapa pilihan test, yakni: Use
Training Set, Supplied Test Set,
Cross Validation, dan Percentage
Split.

Gambar 3. Raw Data Training

4
2) TESTING File.data mengandung contoh data
yang membentuk set data. Terdapat dua
Data testing terdiri atas 155 line data file.data yakni untuk set data training serta
(jumlah yang lebih sedikit dibandingkan untuk set data testing.
dengan data training). Berikut ini
merupakan beberapa data training yang
akan digunakan.

Gambar 6. Data input training

Gambar 4. Raw Data Testing

B. PEMBUATAN DATA INPUT

Dikarenakan pengolahan data

selanjutnya akan dilakukan menggunakan
aplikasi WEKA, maka format data input
harus diolah terlebih dahulu agar aplikasi
dapat membaca set data yang ada.

Dalam hal ini, akan digunakan data

input dengan format C45[12]. Data ini
terdiri atas dua bagian, yakni file.names
serta file.data, dimana file.names akan
berisikan mengenai entri mengenai class,
atribut, serta nilai dari set data. Berikut ini
merupakan file.names yang digunakan
dalam studi ini.
Gambar 7. Data input testing
C. PENGOLAHAN DATA PADA WEKA
Langkah selanjutnya yang
dilakukan yakni melakukan pengolahan
data (Explorer) pada aplikasi WEKA.

Gambar 5. file.names

5
 Gambar 8. WEKA GUI
Gambar 10. Classifier Tree J48
Data input (training) yang telah diolah
2) CLUSTERING
sebelumnya, akan dimasukkan dan diolah
dengan metode klasifikasi maupun Metode klustering menggunakan simple K-
klustering. Means diharapkan akan membentuk
sebanyak dua cluster. Pengaturan cluster
Gambar berikut menampilkan bahwa pada
tersebut ditampilkan pada gambar berikut.
data training, terdapat 78 orang yang
cukup beresiko terhadap ALD, sedangkan
112 orang lainnya telah tergolong sangat
beresiko mengenai ALD.

Gambar 9. Instances dalam Pengujian

Gambar 11. Pengaturan Cluster
1) CLASSIFICATION
V. ANALISIS DAN PEMBAHASAN
Metode klasifikasi pada WEKA
akan menggunakan classifier tree J48. A. CLASSIFICATION
Pemilihan classifier tersebut ditampilkan
pada gambar berikut. Hasil pengolahan data
menggunakan classifier tree J48
menghasilkan sebanyak 10 leaf node.

Gambar 12. Tree dan Leaves

Gambaran tree yang dibentuk oleh

training data adalah sebagai berikut.

6
 Gambar 13. Visualisasi Tree

1) Use Training Set Gambar 15. Hasil Supplied Test Set

Pengolahan klasifikasi data ALD pada tree Akurasi yang diperoleh adalah
J48 dengan pilihan tes untuk set data 58,0645% dengan jumlah correctly
training, menghasilkan data sebagai classified instances sebanyak 90.
berikut. Jumlah incorrectly classified
instances adalah sebanyak 65 atau
41,9355%.
Hasil akar dari mean squared error
adalah 0,54.

3) Cross Validation

Pilihan tes untuk cross validation, dengan

jumlah folds sebanyak 10 menghasilkan
data sebagai berikut.

Gambar 14. Hasil Use Training Set

Akurasi yang diperoleh adalah

79,473% dengan jumlah correctly
classified instances sebanyak 151.
Jumlah incorrectly classified
instances adalah sebanyak 39 atau
20,5263%.
Hasil akar dari mean squared error
adalah 0,3887.
Gambar 16. Hasil Cross Validation
2) Supplied Test Set
Akurasi yang diperoleh adalah
Pilihan tes untuk set data testing, 61,5789% dengan jumlah correctly
menghasilkan data sebagai berikut. classified instances sebanyak 90.
Jumlah incorrectly classified
instances adalah sebanyak 73 atau
38,4211%.

7
 Hasil akar dari mean squared error
adalah 0,5475.

4) Percentage split

Pilihan tes untuk set data training, dengan

pembagian prosentase 66% untuk training
dan 34% untuk testing menghasilkan data
sebagai berikut.

Gambar 18. Hasil Use Training Set

Jumlah iterasi yang diperoleh yakni

sebanyak 2 iterasi.
Gambar 17. Hasil Percentage split
Nilai SSE (Sum of Squared Error)
Akurasi yang diperoleh adalah antar kluster adalah 24,62.
56,9231% dengan jumlah correctly Waktu yang dibutuhkan dalam
classified instances sebanyak 37. membuat model adalah 0,02 detik.
Jumlah incorrectly classified Data yang terbentuk oleh kedua
instances adalah sebanyak 28 atau kluster, terbagi atas diagnosa
43,0769%. sangat beresiko serta cukup
Hasil akar dari mean squared error beresiko.
adalah 0,4961.
2) Supplied Test Set
B. CLUSTERING
Pilihan tes untuk set data testing,
1) Use Training Set menghasilkan data sebagai berikut.

Pengolahan klasifikasi data ALD pada

simple K-Means dengan pilihan tes untuk
set data training, menghasilkan data
sebagai berikut.

8
 Gambar 19. Hasil Supplied Test Set
Jumlah iterasi yang diperoleh yakni
sebanyak 2 iterasi.
Nilai SSE (Sum of Squared Error)
antar kluster adalah 24,62.
Waktu yang dibutuhkan dalam
membuat model adalah 0 detik.
Data yang terbentuk oleh kedua
kluster, terbagi atas diagnosa
sangat beresiko serta cukup
beresiko.
3) Cross Validation
Pilihan tes untuk cross validation, dengan
jumlah folds sebanyak 10 menghasilkan
data sebagai berikut.
9
Gambar 20. Hasil Cross Validation
Jumlah iterasi yang diperoleh yakni
sebanyak 6 iterasi.
Nilai SSE (Sum of Squared Error)
antar kluster adalah 62,91.
Waktu yang dibutuhkan dalam
membuat model adalah 0 detik.
Data yang terbentuk oleh kedua
kluster, hanya mencakup atas
diagnosa sangat beresiko saja.
4) Percentage split
Pilihan tes untuk set data training, dengan
pembagian prosentase 66% untuk training
dan 34% untuk testing menghasilkan data
sebagai berikut.
 Tabel 2. Hasil Classification pada WEKA

Incorrectly Correctly Akurasi Error

Classified Classified (%) Mean

Use training set 39 151 79,473 0,3887

Supplied test set 65 90 58,0645 0,54

Cross Validation 73 90 61,5789 0,5475

Percentage split 28 37 56,9321 0,4961

Untuk pengolahan data dengan
metode klasifikasi, diperoleh tingkat
akurasi yang cukup tinggi, yakni diatas
50% untuk masing-masing tes. Namun,
menimbang jumlah incorrectly classified
instances, correctly classified instances,
dan mean error jenis tes yang baik
digunakan adalah use training set dengan
jumlah paling minimal incorrectly
classified instances 39, tingkat akurasi
tertinggi yakni 79,473%, dan mean error
Gambar 21. Hasil Percentage split
paling minimal sebanyak 0,3887.
Jumlah iterasi yang diperoleh yakni
Tabel 3. Hasil Clustering pada WEKA
sebanyak 6 iterasi.
Nilai SSE (Sum of Squared Error) Iterasi
SSE Waktu Kondisi Kluster
(kali)
antar kluster adalah 18,42.

Use training set 2 24,62 0,02 sesuai
Waktu yang dibutuhkan dalam
Supplied test set 2 24,62 0 sesuai
membuat model adalah 0,01 detik.
Cross Validation 6 62,91 0 kurang sesuai
Pada percentage split, dapat
Percentage split 6 18,42 0,01 kurang sesuai
ditunjukkan bahwa terdapat 92
Untuk pengolahan data dengan metode
incorrectly clustered instances atau
klustering, dengan menimbang hasil
sejumlah 48,4211%.
keseluruhan, maka tes yang sesuai adalah
use training set dan supplied test set.
Namun dari segi kecepatan, supplied test
set sedikit lebih unggul dibandingkan use
training set.

VI. KESIMPULAN

Data diagnosa Alcoholic Liver

Disease (ALD) dapat diolah baik
Gambar 22. Assignment Percentage split
menggunakan metode klasifikasi maupun
C. REKOMENDASI klustering. Pemilihan metode dan jenis tes
yang diperlukan dapat disesuaikan dengan
Hasil yang diperoleh dari tujuan maupun kebutuhan yang ingin
keseluruhan tes pengolahan data dapat diolah selanjutnya.
dilihat pada tabel-tabel berikut.

10
 DAFTAR PUSTAKA
[1] Singh, Vikram., Nagpal, Sapna. A
Guided clustering Technique for
Knowledge Discovery A Case Study
of Liver Disorder Dataset. Dipetik 01
14, 2014, dari
http://www.researchmanuscripts.com/
PapersVol1N1/IJCBR-1.pdf
[2] Liver Disorders Data from BUPA
Medical Research Ltd. Dipetik 01 14,
2014, dari
http://archive.ics.uci.edu/ml/datasets/L
iver+Disorders
[3] Adriani, Desi. Penetapan Kadar Etanol
Dalam Minuman Beralkohol.
Universitas Sumatera Utara, Fakultas
Matematika dan Ilmu Pengetahuan
Alam. 2011.
[4] Suraiya, Lely. Secangkir Kopi
Segunung Pahala. Qultum Media.
Tangerang: 2004.
[5] Marsano, Luis S., Mendez, Christian.,
Hill, Daniel. Barve,, Shirish.,
McClain, Craig J. Diagnosis and
Treatment of Alcoholic Liver Disease
and Its Complications. 2003.
[6]What is Data Mining?. Dipetik 01 14,
2014, dari
http://www.anderson.ucla.edu/faculty/
jason.frand/teacher/technologies/palac
e/datamining.htm
[7] Naufar Rifqi, W. M. (2011, November
12). Dipetik 01 14, 2014, dari
http://yudiagusta.files.wordpress.com/
2008/09/183-191-knsi2011-029-
11
analisis-dan-implementasi-klasifikasi-
data-mining-menggunakan-jaringan-
syaraf-tiruan-dan-evolution-
strategies.pdf
[8] Safitri, Habibi Ramdani. Penerapan
Teknik Data Mining Dengan Metode
Smooth Support Vector Machine
(SSVM) Untuk Memprediksi
Mahasiswa Yang Berpeluang Drop
Out (Studi Kasus Mahasiswa
Politeknik Negeri Medan). Universitas
Sumatera Utara, Fakultas Matematika
dan Ilmu Pengetahuan Alam. 2012.
[9] Weka Manual. Dipetik 01 14, 2014,
dari
http://www.ittc.ku.edu/~nivisid/WEK
A_MANUAL.pdf
[10] Tina R. Patil, Mrs. S. S. Sherekar.
Performance Analysis of Naive Bayes
and J48 Classification Algorithm for
Data Classification. Sant Gadgebaba
Amravati University: 2013.
[11] Chaturvedi, A.D., Green, P.E. and
Carroll, J.D. (2001). K-Modes
Clustering. Journal of Classification,
18, 35-56.
[12] C4.5 Format. Dipetik 01 14, 2014,
dari
http://www.cs.washington.edu/dm/vf
ml/appendixes/c45.htm