Penerapan Data Mining Untuk Prediksi Penyakit Diabetes Menggunakan Algoritma C4.5 Zudyanti Dwi Rahma Sari1, Ja
DOI:
https://doi.org/10.33998/jakakom.2024.4.1.1624Kata Kunci:
Data mining, rapidminerAbstrak
Kesehatan merupakan peranan terpenting dalam kehidupan. Salah satu penyakit yang dapat menyebabkan komplikasi dan kematian adalah diabetes. Diabetes merupakan penyakit yang disebabkan oleh pankreas yang tidak memproduksi insulin yang cukup untuk tubuh sehinggan kadar gula dalam darah melebihi normal. Diabetes merupakan penyakit keturunan, penyakit ini dapat diturunkan kepada anaknya dari orang tua yang mengidap penyakit diabetes, sangat disayangkan jika usia yang masih muda sudah mengidap penyakit diabetes. Pemeriksaan dalam dunia medis dilakukan dengan cara pendiagnosaan penyakit berdasarkan gejala-gejala yang dirasakan oleh penderita yang dapat menghasilkan rekam medis gejala penyakit. Untuk meminimalisir angka kematian dari penyakit Diabetes ini, para pakar kesehatan harus melakukan pendiagnosaan penyakit dengan sedini mungkin. Salah satu metode yang dapat digunakan dalam permasalahan ini adalah data mining dengan teknik klasifikasi dengan menggunakan algoritma C4.5. Penelitian ini bertujuan untuk membantu para medis untuk mengklasifikasi para pasien yang memiliki gejala-gejala penyakit diabetes. Algoritma C4.5 merupakan metode yang digunakan untuk klasifikasi yang menghasilkan model berupa pohon keputusan. Pohon keputusan merupakan metode klasifikasi dan prediksi yang terkenal. Algoritma C4.5 merupakan metode yang dapat digunakan untuk memprediksi dan mengetahui nilai akurasi pada pasien dengan gejala-gejala yang diderita pasien apakah pasien tersebut mengidap penyakit Diabetes atau tidak. Berdasarkan hasil pengujian dengan metode cross validation pada tools RapidMiner menggunakan 2 options yaitu 5-Fold Cross Validation yang menghasilkan akurasi 95,88% dan 10-Fold Cross Validation menghasilkan akurasi 95,90%. Yang mana pengujian dengan 10 Fold Cross Validation menghasilkan akurasi yang lebih baik dibandingkan menggunakan 5 Fold Cross Validation. Dengan jumlah kelas data yang sama yaitu pada class positive sebanyak 224 data dan pada class negative sebanyak 140 data.
Kata Kunci: Diabetes, Data Mining, Prediksi, Algoritma C4.5, RapidMiner
Unduhan
Referensi
Kementerian Kesehatan RI., “Infodatin tetap produktif, cegah, dan atasi Diabetes Melitus 2020,” Pusat Data dan Informasi Kementerian Kesehatan RI. pp. 1–10, 2020, [Online]. Available: https://pusdatin.kemkes.go.id/resources/download/pusdatin/infodatin/Infodatin-2020-Diabetes-Melitus.pdf.
A. Ridwan, “Penerapan Algoritma Naïve Bayes Untuk Klasifikasi Penyakit Diabetes Mellitus,” J. SISKOM-KB (Sistem Komput. dan Kecerdasan Buatan), vol. 4, no. 1, pp. 15–21, 2020, doi: 10.47970/siskom-kb.v4i1.169.
Irwan, Epidemiologi Penyakit Tidak Menular. Yogyakarta: Deepublish, 2016.
R. Adhi Nugroho and A. Prahutama, “Klasifikasi Pasien Diabetes Mellitus Menggunakan Metode Smooth Support Vector Machine (Ssvm),” J. Gaussian, vol. 6, no. 3, pp. 439–448, 2017, [Online]. Available: http://ejournal-s1.undip.ac.id/index.php/gaussian.
R. A. Siallagan and Fitriyani, “Prediksi Penyakit Diabetes Mellitus Menggunakan Algoritma C4.5,” J. Responsif Ris. Sains dan Inform., vol. 3, no. 1, pp. 44–52, 2021, doi: 10.51977/jti.v3i1.407.
A. Muhammad and N. Muhammad, DATA MINING Algoritma dan Implementasi. Yogyakarta: ANDI, 2020.
N. Maulidah, R. Supriyadi, D. Y. Utami, F. N. Hasan, A. Fauzi, and A. Christian, “Prediksi Penyakit Diabetes Melitus Menggunakan Metode Support Vector Machine dan Naive Bayes,” Indones. J. Softw. Eng., vol. 7, no. 1, pp. 63–68, 2021, doi: 10.31294/ijse.v7i1.10279.
F. Handayanna, Rinawati, E. Arisawati, and L. S. Dewi, “Prediksi Penyakit Diabetes Menggunakan Naive Bayes Dengan Optimasi Parameter Menggunakan Algoritma Genetika,” KNiST (Konferensi Nas. Ilmu Sos. Teknol., pp. 71–76, 2017.
R. Anief, R. Muhammad, and R. Abdul, PENERAPAN ALGORITMA C4.5 UNTUK PREDIKSI KEPUASAN MAHASISWA TAHUN 2020, Ke-1. Yogyakarta: Deepublish, 2021.
S. Haryati, A. Sudarsono, and E. Suryana, “Implementasi Data Mining Untuk Memprediksi Masa Studi Mahasiswa Menggunakan Algoritma C4.5 (Studi Kasus: Universitas Dehasen Bengkulu),” J. Media Infotama, vol. 11, no. 2, pp. 130–138, 2015.
F. Elfaladonna and A. Rahmadani, “Analisa Metode Classification-Decission Tree Dan Algoritma C.45 Untuk Memprediksi Penyakit Diabetes Dengan Menggunakan Aplikasi Rapid Miner,” SINTECH (Science Inf. Technol. J., vol. 2, no. 1, pp. 10–17, 2019, doi: 10.31598/sintechjournal.v2i1.293.
Buulolo Efori, Data Mining Untuk Perguruan Tinggi, Ke-1. Yogyakarta: CV BUDI UTAMA, 2020.
N. Azwanti, “Analisa Algoritma C4.5 Untuk Memprediksi Penjualan Motor Pada Pt. Capella Dinamik Nusantara Cabang Muka Kuning,” Inform. Mulawarman J. Ilm. Ilmu Komput., vol. 13, no. 1, p. 33, 2018, doi: 10.30872/jim.v13i1.629.
D. A. Pratiwi, R. M. Awangga, and M. Y. H. Setyawan, SELEKSI CALON KELULUSAN TEPAT WAKTU MAHASISWA TEKNIK INFORMATIKA MENGGUNAKAN METODE NAIVE BAYES. Bandung: Kreatif Industri Nusantara, 2020.
