Klasifikasi Penyakit Diabetes Mellitus Berdasarkan Faktor-Faktor Penyebab Diabetes menggunakan Algoritma C4.5

Ronna Putri Fadhillah
Raisya Rahma
Arni Sepharni
Ratna Mufidah
Betha Nurina Sari
Agung Pangestu


DOI: https://doi.org/10.29100/jipi.v7i4.3248

Abstract


Diabetes merupakan penyakit yang disebabkan oleh tingginya gula darah pada seseorang. Terdapat banyak faktor yang menjadi penyebab terjadinya diabetes, faktor-faktor tersebut diantaranya seperti faktor keturunan, gula darah yang tinggi, berat badan, usia, dan faktor lainnya. Angka kematian yang disebabkan oleh penyakit diabetes ini semakin banyak dan setiap tahunnya diperkirakan akan terus meningkat angka kasus kematiannya. Diagnonisis dini dan menerapkan pola hidup sehat merupakan dua langkah awal dalam mencegah terjadinya penyakit diabetes mellitus. Dataset yang digunakan pada penelitian ini merupakan data yang didapatkan dari data open source Kaggle, yaitu data Pima Indians Diabetes. Metode klasifikasi yang digunakan yaitu degan menerapkan algoritma C4.5 yang mampu menghasilkan tingkat akurasi yang baik. dilakukan seleksi fitur terhadap dataset dengan menggunakan heatmap yang menghasilkan fitur Pregnancies, Glucose, BMI, Age, dan outcome. Hasil dari penelitian ini didapati nilai akurasi sebesar 76%. Hasil ini lebih baik dibanding dengan penelitian sebelumnya yang menggunakan algoritma SVM yang hanya mampu menghasilkan tingkat akurasi sebesar 70%.

Keywords


Algoritma Decision Tree; Data Mining; Fitur Heatmap; Sistem Pakar

Full Text:

PDF

Article Metrics :

References


M. S. Kadhm, An Accurate Diabetes Prediction System Based on K-means Clustering and Proposed Classification Approach, Int. J. Appl. Eng. Res., vol. 13, no. 6, pp. 40384041, 2018.

A. M. Argina, Penerapan Metode Klasifikasi K-Nearest Neigbor pada Dataset Penderita Penyakit Diabetes,Indones. J. Data Sci., vol. 1, no. 2, pp. 2933, 2020.

Indriyanti, D. Sugianti, and M. A. Al Karomi, Peningkatan Akurasi Algoritma KNN dengan Seleksi Fitur G ain Ratio untuk Klasifikasi Penyakit Diabetes Mellitus, IC-Tech, vol. 7, no. 2, pp. 16, 2017.

A. Ridwan, Penerapan Algoritma Nave Bayes Untuk Klasifikasi Penyakit Diabetes Mellitus, J. SISKOM-KB (Sistem Komput. dan Kecerdasan Buatan), vol. 4, no. 1, pp. 1521, 2020, doi: 10.47970/siskom-kb.v4i1.169.

F. Aris and B. Benyamin, Penerapan Data Mining untuk Identifikasi Penyakit Diabetes Melitus dengan Menggunakan Metode Klasifikasi, Router Res., vol. 1, no. 1, pp. 16, 2019.

H. Hendri, Implementasi Data Mining Dengan Metode C4.5 Untuk Prediksi Mahasiswa Penerima Beasiswa, Indones. J. Comput. Sci., vol. 10, no. 2, pp. 312321, 2021, Accessed: Jan. 30, 2022. [Online]. Tersedia: http://ijcs.stmikindonesia.ac.id/index.php/ijcs/article/view/396.

A.F. Nusantara and A. Kusyairi, Aplikasi Teori Orem pada Perkembangan Perilaku Self Care Pasien Diabetes Mellitus Tipe 1, Jurnal Penelitian Keperwatan, vol. 8, no. 1, 2022.

Noviandi, Implementasi Algoritma Decision Tree C4.5 Untuk Prediksi Penyakit Diabetes, J. INOHIM, vol. 6, no. 1, pp. 15, 2018.

A.M. Argina, penerapan Metode Klasifikasi K-Nearest Neigbor pada Dataset Penderita Penyakit Diabetes, Indoneisan Journal of Data and Science, vol. 1, no. 2, 2020.

I. Romli and A. T. Zy, Penentuan Jadwal Overtime Dengan Klasifikasi Data Karyawan Menggunakan Algoritma C4.5, J. Sains Komput. Inform. (J-SAKTI), vol. 4, no. 2, pp. 694702, 2020.

M. Muhamad, A. P. Windarto, and S. Suhada, Penerapan Algoritma C4.5 Pada Klasifikasi Potensi Siswa Drop Out, KOMIK (Konferensi Nas. Teknol. Inf. dan Komputer), vol. 3, no. 1, pp. 18, doi: 10.30865/komik.v3i1.1688, 2019.

S. You and M. Kang, A Study on Methos to Prevent Pima Indians Diabetes using SVM, Korean Journal of Artificial Intelligence, vo. 8, no. 2, pp. 7-10, 2020