Implementasi Prediksi Penyakit Diabetes Menggunakan Metode Decision Tree
DOI:
https://doi.org/10.70609/jusifor.v3i2.5788Kata Kunci:
Diabetes, Decission Tree, Rapid Miner, Data MiningAbstrak
Diabetes mellitus merupakan salah satu penyakit kronis yang menjadi masalah kesehatan global dengan tingkat prevalensi yang terus meningkat. Penelitian ini bertujuan untuk mengimplementasikan metode Decision Tree dalam memprediksi penyakit diabetes menggunakan dataset yang terdiri dari 768 sampel dengan delapan parameter kesehatan. Parameter yang digunakan meliputi jumlah kehamilan, kadar glukosa, tekanan darah, ketebalan kulit, kadar insulin, BMI, fungsi riwayat diabetes keluarga, dan usia. Metodologi penelitian meliputi tahap preprocessing data, pemodelan menggunakan Decision Tree, dan evaluasi performa model. Dataset dibagi menjadi data training (70%) dan testing (30%) menggunakan metode stratified sampling. Model Decision Tree diimplementasikan menggunakan RapidMiner dengan parameter gain ratio sebagai criterion, maximal depth 10, serta menerapkan teknik pruning dan prepruning dengan confidence level 0.1. Hasil evaluasi menunjukkan bahwa model mencapai akurasi sebesar 65.06% dengan nilai presisi 32.53% dan recall 50.00%. Model berhasil mengidentifikasi 350 kasus non-diabetes dan 188 kasus diabetes dengan benar. Penelitian ini membuktikan bahwa metode Decision Tree dapat digunakan sebagai alat bantu dalam prediksi awal penyakit diabetes, meskipun masih memerlukan optimasi lebih lanjut untuk meningkatkan akurasi prediksi.
Referensi
Alrasyid, H., Homaidi, A., Kom, M., Fatah, Z., & Kom, M. (2024). Comparison Support Vector Machine and Random Forest Algorithms in Detect Diabetes. 1(1), 447–453.
Gellysa Urva, Desyanti, I. A. (2023). PENERAPAN DATA MINING DI BERBAGAI BIDANG : Konsep, Metode, dan Studi Kasus. In Google Buku. https://books.google.co.id/books/about/PENERAPAN_DATA_MINING_DI_BERBAGAI_BIDANG.html?id=uq6-EAAAQBAJ&redir_esc=y
Gunawan, G., Rahmawati, A., Suhada, S., Hidayatulloh, T., & Wintana, D. (2022). Optimasi Linear Sampling dan Information Gain pada Algoritma Decision Tree Untuk Diagnosis Penyakit Diabetes. Multinetics, 7(2), 124–131. https://doi.org/10.32722/multinetics.v7i2.3796
Harun, A., & Ananda, D. P. (2021). Analysis of Public Opinion Sentiment About Covid-19 Vaccination in Indonesia Using Naïve Bayes and Decission Tree Analisa Sentimen Opini Publik Tentang Vaksinasi Covid-19 di Indonesia Menggunakan Naïve Bayes dan Decission Tree. 1(April), 58–63.
Health, P. (2022). 1 . Improving Care and Promoting Health in Populations : Standards of Medical Care in Diabetes — 2022. 45(January), 8–16.
Ika Anikah, Agus Surip, Nela Puji Rahayu, Muhammad Harun Al- Musa, & Edi Tohidi. (2022). Pengelompokan Data Barang Dengan Menggunakan Metode K-Means Untuk Menentukan Stok Persediaan Barang. KOPERTIP : Jurnal Ilmiah Manajemen Informatika Dan Komputer, 4(2), 58–64. https://doi.org/10.32485/kopertip.v4i2.120
Ismai. (2017). Data Mining: Pengolahan Data Menjadi Informasi dengan RapidMiner. https://www.google.co.id/books/edition/DATA_MINING/rTlmDwAAQBAJ?hl=id&gbpv=1&dq=data+mining+rapid+miner&printsec=frontcover
Jalil, A., Homaidi, A., & Fatah, Z. (2024). Implementasi Algoritma Support Vector Machine Untuk Klasifikasi Status Stunting Pada Balita. G-Tech: Jurnal Teknologi Terapan, 8(3), 2070–2079. https://doi.org/10.33379/gtech.v8i3.4811
No, V. (2021). Edumatic : Jurnal Pendidikan Informatika. 5(2), 147–156. https://doi.org/10.29408/edumatic.v5i2.3424
Novianti, N., Zarlis, M., & Sihombing, P. (2022). Penerapan Algoritma Adaboost Untuk Peningkatan Kinerja Klasifikasi Data Mining Pada Imbalance Dataset Diabetes. Jurnal Media Informatika Budidarma, 6(2), 1200. https://doi.org/10.30865/mib.v6i2.4017
Sigit, A., & Yuita, A. S. (2018). Implementasi Data Mining Menggunakan Weka. In Universitas Brawijaya Press. https://books.google.co.id/books?id=p91qDwAAQBAJ&dq=Implementasi+Data+Mining+Menggunakan+Weka&lr=&hl=id&source=gbs_navlinks_s
Yogianto, A., Homaidi, A., & Fatah, Z. (2024). Implementasi Metode K-Nearest Neighbors (KNN) untuk Klasifikasi Penyakit Jantung. G-Tech: Jurnal Teknologi Terapan, 8(3), 1720–1728. https://doi.org/10.33379/gtech.v8i3.4495
Unduhan
Diterbitkan
Terbitan
Bagian
Lisensi
Hak Cipta (c) 2024 Lulu Safitri, Zaehol Fatah
Artikel ini berlisensiCreative Commons Attribution-NonCommercial-ShareAlike 4.0 International License.
