Pengaruh incomplete data terhadap akurasi voting feature intervals-5 (vfi5) Vol 6, No 1, 2008

Abstract

"Permasalahan mengenai data hilang merupakan masalah umum yang terjadi pada lingkungan medis. Data hilang dapat disebabkan karena beberapa hal yaitu salah memasukkan data, datanya tidak valid dan peralatan yang digunakan untuk mengambil data tidak berfungsi dengan baik. Voting Feature Intervals merupakan algoritma klasifikasi yang dikembangkan oleh Gülşen Demiroz dan H. Altay Güvenir pada tahun 1997. Algoritma ini dapat mengatasi data hilang dengan mengabaikan data hilang tersebut. Pada penelitian ini dilakukan penerapan algoritma Voting Feature Intervals-5 (VFI5) sebagai algoritma klasifikasi pada kasus data hilang. Data yang digunakan adalah data ordinal (data Dermatology) dan data interval (data Ionosphere). Untuk mengatasi data hilang digunakan tiga metode yaitu mengabaikan data hilang, menghapus satu baris data hilang dan mengganti data hilang dengan mean atau modus. Pengaruh data hilang terhadap tingkat akurasi adalah tingkat akurasi algoritma VFI5 mengalami penurunan dengan semakin banyaknya jumlah data yang hilang dan semakin banyaknya jumlah feature yang memiliki data hilang. Rata-rata tingkat akurasi data ordinal tertinggi sebesar 93.81% dan rata-rata tingkat akurasi data interval tertinggi sebesar 79.89%. Hasil penelitian menunjukkan rata-rata tingkat akurasi yang tertinggi dicapai ketika data hilang diatasi dengan mengganti data hilang dengan mean atau modus. "