Deteksi Penyakit Diabetes Mellitus Menggunakan Algoritma Decision Tree Model Arsitektur C4.5
DOI:
https://doi.org/10.58982/krisnadana.v3i1.470Kata Kunci:
Diagnosis, Diabetes Mellitus, Decision Tree, C4.5, AplikasiAbstrak
Diabetes mellitus (DM) merupakan penyakit metabolik yang ditandai dengan peningkatan kadar gula darah akibat gangguan pada sekresi insulin, kerja insulin atau keduanya. Penyakit diabetes menyerang dari segala kalangan usia, sehingga di perlukannya alat diagnosis baik untuk pencegahan, penanggulangan pada seseorang yang terdampak, salah satunya menggunakan bidang ilmu teknologi. Pada penelitian ini dilakukannya diagnosis pada penyakit diabetes menggunakan aplikasi dengan metode algoritma decision tree C4.5. Decision Tree C4.5 digunakan dalam model untuk memprediksi sebuah struktur pohon atau hirarki untuk mengubah data menjadi pohon keputusan dan aturan-aturan keputusan. Jenis pengumpulan dataset mengambil dari Kaggle sebanyak 2000. Hasil dari penelitian ini menunjukkan pada model prediksi algoritma Decision Tree C4.5 memiliki akurasi 96% dengan Menggunakan 5 variabel, maka dari hasil akurasi tersebut dibuatkan aplikasi deteksi penyakit diabetes mellitus guna untuk mendeteksi secara mandiri sebelum pergi kedokter.
Referensi
F. M. Hana, “Klasifikasi Penderita Penyakit Diabetes Menggunakan Algoritma Decision Tree C4 . 5,” 2020.
M. T. Informatika and U. G. Jakarta, “Perbandingan Hasil Analisis Teknik Data Mining ‘ Metode Decision Tree , Naive Bayes , Smo Dan Part ’ Untuk Mendiagnosa Penyakit Diabetes Mellitus,” vol. 4, no. 1, pp. 38–44, 2019, doi: 10.25139/inform.v3i2.1010.
H. Y. Resti, W. H. Cahyati, and I. Artikel, “Kejadian Diabetes Melitus pada Usia Produktif di Puskesmas Kecamatan Pasar Rebo,” Higeia J. Public Heal. Res. Dev., vol. 6, no. 3, pp. 350–361, 2022.
P. Arsi and O. Somantri, “Deteksi Dini Penyakit Diabetes Menggunakan Algoritma Neural Network Berbasiskan Algoritma Genetika,” vol. 03, no. 03, pp. 290–294, 2018, doi: 10.30591/jpit.v3i3.1008.
Z. Fadilah and Murnawan, “Performance Comparison of K-Nearest Neighbor and Decision Tree C4.5 by Utilizing Particle Swarm Optimization for Prediction of Liver Disease,” Int. J. Open Inf. Technol., vol. 9, no. 10, pp. 9–15, 2021.
S. Supangat, A. R. Amna, and T. Rahmawati, “Implementasi Decision Tree C4.5 Untuk Menentukan Status Berat Badan dan Kebutuhan Energi Pada Anak Usia 7-12 Tahun,” Teknika, vol. 7, no. 2, pp. 73–78, 2018, doi: 10.34148/teknika.v7i2.90.
N. Nurdiana and A. Algifari, “Studi Komparasi Algoritma Id3 Dan Algoritma Naive Bayes Untuk Klasifikasi Penyakit Diabetes Mellitus,” INFOTECHjournal, vol. 6, no. 2, pp. 18–23, 2020.
U. Pujianto, A. L. Setiawan, H. A. Rosyid, and A. M. M. Salah, “Comparison of Naïve Bayes Algorithm and Decision Tree C4.5 for Hospital Readmission Diabetes Patients using HbA1c Measurement,” Knowl. Eng. Data Sci., vol. 2, no. 2, p. 58, 2019, doi: 10.17977/um018v2i22019p58-71.
H. Sitorus, V. Yasin, and A. B. Yulianto, “JurnalSainsdanTeknologiWidyaloka Perancangan sistem pakar diagnosis penyakit diabetes berbasis web menggunakan algoritma naive bayes JurnalSainsdanTeknologiWidyaloka,” vol. 1, pp. 135–144, 2022.
A. Rohman and A. Rufiyanto, “Implementasi Data Mining Dengan Algoritma Decision Tree C4 . 5 Untuk Prediksi Kelulusan Mahasiswa Di Universitas Pandaran,” Proceeding SINTAK 2019, pp. 134–139, 2019.
##submission.downloads##
Diterbitkan
Cara Mengutip
Terbitan
Bagian
Lisensi
Hak Cipta (c) 2023 Achmad Afifuddin, Lukman Hakim
Artikel ini berlisensiCreative Commons Attribution-NonCommercial-ShareAlike 4.0 International License.
