Klasifikasi Penyakit Diabetes Menggunakan Algoritma Decision Tree

Mutiara Dwi Triapanca, Putri Aryaningsih, Tommy Dwi Putra

Abstract


Penelitian ini bertujuan untuk membangun model klasifikasi guna memprediksi penyakit diabetes menggunakan algoritma Decision Tree dengan bantuan perangkat lunak RapidMiner. Dataset yang digunakan bersumber dari Kaggle dan terdiri atas 100.000 data pasien dengan 16 atribut kesehatan yang relevan. Tahapan penelitian meliputi pengumpulan data, pra-pemrosesan, pembangunan model klasifikasi, serta evaluasi menggunakan Confusion Matrix. Model dilatih dengan 70% data dan diuji menggunakan 30% sisanya. Hasil pengujian menunjukkan tingkat akurasi sebesar 97,16%, dengan error klasifikasi sebesar 2,84%. Model ini juga menunjukkan kemampuan yang baik dalam mendeteksi lokasi geografis dengan jumlah prediksi diabetes yang tinggi, seperti New Jersey. Dengan tingkat akurasi yang tinggi serta interpretasi model yang mudah, algoritma Decision Tree terbukti efektif dalam mendeteksi risiko diabetes berdasarkan atribut-atribut pasien yang dianalisis..


Keywords


algoritma; data mining; decision tree; diabetes; RapidMiner

Full Text:

PDF

References


M. Safitri dan A. D. Praba, “PREDIKSI PENYAKIT DIABETES DENGAN MENGGUNAKAN ALGORITMA C4.5,” JIKA J. Inform., vol. 8, no. 1, hlm. 74, Jan 2024, doi: 10.31000/jika.v8i1.9998.

M. Faid, M. Jasri, dan T. Rahmawati, “Perbandingan Kinerja Tool Data Mining Weka dan Rapidminer Dalam Algoritma Klasifikasi,” Teknika, vol. 8, no. 1, hlm. 11–16, Jun 2019, doi: 10.34148/teknika.v8i1.95.

L. N. Salsabila, M. R. Dwi Pangga, S. M. Yasser, N. A. Riyani, S. Aminah, dan W. Wahyunengsih, “Application of Naïve Bayes Algorithm for Diabetes Prediction,” Unisda J. Math. Comput. Sci. UJMC, vol. 10, no. 1, hlm. 56–68, Jun 2024, doi: 10.52166/ujmc.v10i1.6886.

A. Sari dan D. U. Putri, “PENERAPAN REGRESI LINEAR BERGANDA UNTUK MEMPREDIKSI DIABETES SECARA DINI,” J. Tek., vol. 3, no. 1, hlm. 32, Feb 2023, doi: 10.54314/teknisi.v3i1.1255.

W. Apriliah, I. Kurniawan, M. Baydhowi, dan T. Haryati, “Prediksi Kemungkinan Diabetes pada Tahap Awal Menggunakan Algoritma Klasifikasi Random Forest,” SISTEMASI, vol. 10, no. 1, hlm. 163, Jan 2021, doi: 10.32520/stmsi.v10i1.1129.

A. C. Pradana, A. Adiwijaya, dan A. Aditsania, “Implementasi Algoritma Binary Particle Swarm Optimization (BPSO) dan C4.5 Decision Tree untuk Deteksi Kanker Berdasarkan Klasifikasi Microarray Data,” 2018. [Daring]. Tersedia pada: https://api.semanticscholar.org/CorpusID:198320631

Y. L. Tinungki, J. S. H. Hinonaung, dan E. Efitra, DETEKSI DINI PENYAKIT DIABETES MELLITUS (DM) DAN OBAT TRADISIONAL DM PADA LANSIA DI KABUPATEN KEPULAUAN SANGIHE. PT. Sonpedia Publishing Indonesia, 2023. [Daring]. Tersedia pada: https://books.google.co.id/books?id=rHPkEAAAQBAJ

R. M. Sari dan Y. A. M, Klasifikasi Data Mining. Serasi Media Teknologi, 2024. [Daring]. Tersedia pada: https://books.google.co.id/books?id=xTwXEQAAQBAJ

D. Jollyta, A. Hajjah, E. Haerani, dan M. Siddik, Algoritma Klasifikasi untuk Pemula Solusi Python dan RapidMiner. Deepublish, 2023. [Daring]. Tersedia pada: https://books.google.co.id/books?id=y84TEQAAQBAJ

S. T. M. K. Yahya, Data Mining. CV Jejak (Jejak Publisher), 2022. [Daring]. Tersedia pada: https://books.google.co.id/books?id=0J2mEAAAQBAJ


Refbacks

  • There are currently no refbacks.


Editorial Office :

Prosiding SENDIKO (Seminar Nasional Hasil Penelitian & Pengabdian Masyarakat Bidang Ilmu Komputer)
Published by Universitas PGRI Madiun
Managed by Program Studi Sistem Informasi Fakultas Teknik Universitas PGRI Madiun
Address Jl. Auri 14-16 Kota Madiun Kampus III Universitas PGRI Madiun 63118
Website http://prosiding.unipma.ac.id/index.php/sendiko/index
Email [email protected]

e-ISSN:  3025-4604