Perbandingan Kinerja Regresi Decision Tree dan Regresi Linear Berganda untuk Prediksi BMI pada Dataset Asthma

Authors

  • Alfida Tegar Nurani Universitas Kristen Satya Wacana
  • Adi Setiawan Universitas Kristen Satya Wacana
  • Bambang Susanto Universitas Kristen Satya Wacana

DOI:

https://doi.org/10.24246/juses.v6i1p34-43

Keywords:

asma, MAPE, regresi Decision Tree, regresi linear berganda, Single Nucleotide Polymorphism

Abstract

Penelitian ini menerapkan dua metode regresi yaitu Decision Tree dan linear berganda untuk memprediksi Body Mass Index (BMI) berdasarkan variabel-variabel lainnya pada dataset Asthma. Metode Decision Tree merupakan salah satu cara data processing dalam memprediksi masa depan dengan cara membangun klasifikasi dan regresi model dalam bentuk struktur pohon. Analisis regresi linear berganda merupakan model regresi yang melibatkan lebih dari satu variabel independen. Analisis regresi linear berganda dilakukan untuk mengetahui arah dan seberapa besar pengaruh variabel independen terhadap variabel dependen. Untuk mengukur tingkat keakuratan model peramalan, digunakan suatu ukuran keakuratan MAPE (Mean Absolute Percentage Error). Hasil MAPE menunjukkan nilai rata-rata prosentase kesalahan mutlak dari nilai sebenarnya dengan nilai peramalan. Pada penelitian ini, metode regresi linear berganda menunjukkan hasil yang lebih baik dengan nilai MAPE berturut-turut sebesar 12,737%; 12,76%; 12,89%; dan 12,99% untuk proporsi data uji berturut-turut 10%, 20%, 30%, dan 40% sedangkan nilai MAPE dari metode regresi Decision Tree sebesar 12,758%; 12,79%; 12,92%; dan 13,13%. Apabila digunakan ukuran kebaikan yang lain seperti MAE dan RMSE akan memberikan hasil yang analog, sedangkan ukuran kebaikan R2 berkebalikan. Penelitian ini dapat dilanjutkan dengan membandingkan hasil yang diperoleh dengan menggunakan metode lain dalam machine learning seperti Support Vector Machine (SVM), random forest, Artificial Neural Network (ANN), dan lain-lain.

Downloads

Download data is not yet available.

References

Abdulhafedh, A. (2022). Incorporating Multiple Linear Regression in Predicting the House Prices Using a Big Real Estate Dataset with 80 Independent Variables. OALib, 09(01), 1–21. https://doi.org/10.4236/oalib.1108346

Akbar, F., Saputra, H. W., & Maulaya, A. K. (2022). Implementation of Decision Tree Algorithm C4 . 5 and Support Vector Regression for Stroke Disease Prediction Implementasi Algoritma Decision Tree C4 . 5 dan Support Vector Regression untuk Prediksi Penyakit Stroke. Indonesian Journal of Machine Learning and Computer Science, 2(October), 61–67.

Arini, L. A., & Wijana, I. K. (2020). Korelasi Antara Body Mass Index (BMI) Dengan Blood Pressure (BP) Berdasarkan Ukuran Antropometri Pada Atlet. JURNAL KESEHATAN PERINTIS (Perintis’s Health Journal), 7(1), 32–40. https://doi.org/10.33653/jkp.v7i1.390

Arista, A. (2022). Comparison Decision Tree and Logistic Regression Machine Learning Classification Algorithms to determine Covid-19. Sinkron, 7(1), 59–65. https://doi.org/10.33395/sinkron.v7i1.11243

Ayuni, G. N., & Fitrianah, D. (2019). Penerapan metode Regresi Linear untuk prediksi penjualan properti pada PT XYZ. Jurnal Telematika, 14(2), 79–86.

Basri, H. (2019). Pemodelan Regresi Berganda Untuk Data Dalam Studi Kecerdasan Emosional. DIDAKTIKA : Jurnal Kependidikan, 12(2), 103–116. https://doi.org/10.30863/didaktika.v12i2.179

Etode, B. E. M., & Ree, D. E. T. (2021). Sistem Rekomendasi Tujuan Poli Pada Rumah Sakit Umum Daerah Bajawa Berdasarkan Metode Decision Tree. Jurnal Ilmiah Teknik Informatika, 15(1), 62–74.

Junaedy, Musdar, I. A., & Angriani, H. (2017). Implementasi Metode Decision Tree Dalam Menentukan Pemberian Kredit Mobil Menggunakan Visual Basic (Studi Kasus UD PUTRA MAS Makassar). Jtriste, 4(1), 55–67.

Maharadja, A. N., Maulana, I., & Dermawan, B. A. (2021). Penerapan Metode Regresi Linear Berganda untuk Prediksi Kerugian Negara Berdasarkan Kasus Tindak Pidana Korupsi. Journal of Applied Informatics and Computing, 5(1), 95–102. https://doi.org/10.30871/jaic.v5i1.3184

Medya, N., Ir, L., & Kamila, I. (2022). Metode Double Exponential Smoothing dalam Peramalan Jumlah Pemohon Paspor. Jurnal Ilmiah Matematika, 2(1), 23–31.

Mostafa, S. M., & Amano, H. (2019). Effect of clustering data in improving machine learning model accuracy. Journal of Theoretical and Applied Information Technology, 97(21), 2973–2981.

Normah, Rifai, B., Vambudi, S., & Maulana, R. (2022). Analisa Sentimen Perkembangan Vtuber Dengan Metode Support Vector Machine Berbasis SMOTE. Jurnal Teknik Komputer AMIK BSI, 8(2), 174–180. https://doi.org/10.31294/jtk.v4i2

Nurfadilah, A., Budi, W., Kurniati, E., Suhaedi, D., Matematika, P. S., Bandung, U. I., & Statistik, B. P. (2022). Penerapan Metode Moving Average untuk Prediksi Indeks Harga Konsumen. 21(1), 19–25.

Savitri, U. S., Saepudin, D., & Umbara, R. F. (2019). Prediksi Harga Saham serta Pemberian Keputusan Jual Beli Menggunakan Metode Regression Tree dan Self Organizing Map ( SOM ). 6(1), 2527–2538.

Suryanto, A. A. (2019). Penerapan Metode Mean Absolute Error (Mea) Dalam Algoritma Regresi Linear Untuk Prediksi Produksi Padi. Saintekbu, 11(1), 78–83. https://doi.org/10.32764/saintekbu.v11i1.298

Utami, Y., Vinsensia, D., Nissa, A., & Sulastri, S. (2022). Forecasting the Sum of New College Students with Linear Regression Approach. Jurnal Teknik Informatika C.I.T Medicom, 14(1), 10–15. https://doi.org/10.35335/cit.vol14.2022.231.pp10-15

Wijaya, A., & Toyib, R. (2018). Sistem Pakar Diagnosis Penyakit Asma Dengan Menggunakan Algoritme Genetik (Studi Kasus RSUD Kabupaten Kepahiang). Pseudocode, 5(2), 1–11. https://doi.org/10.33369/pseudocode.5.2.1-11

Published

2023-05-26

How to Cite

Nurani, A. T., Setiawan, A., & Susanto, B. (2023). Perbandingan Kinerja Regresi Decision Tree dan Regresi Linear Berganda untuk Prediksi BMI pada Dataset Asthma. Jurnal Sains Dan Edukasi Sains, 6(1), 34–43. https://doi.org/10.24246/juses.v6i1p34-43