Klasifikasi Diagnosis Penyakit Diabetes Menggunakan Algoritma C4.5

Indah Sagita Cahyani, Karlena Indriani, Monikka Nur Winnarto

Sari


Kesehatan memiliki peranan yang  sangat penting untuk menunjang kehidupan manusia, dengan memiliki kesehatan yang baik, manusia dapat melakukan aktifitas dengan produktif dalam sosialisasi atau ekonomi untuk mecapai tujuan hidup. Salah satu penyakit yang dapat mengakibatkan komplikasi bahkan kematian adalah penyakit diabetes. Angka kematian yang tinggi yang diakibatkan oleh penyakit diabetes sangat mengkhawatirkan, diagnosis dini begitu penting dilakukan untuk menekan angka kematian. Selain itu diagnosis dini juga merupakan titik awal penderita untuk mencegah terjadinya diabetes lebih parah dengan melakukan pola hidup sehat agar tidak mengalami komplikasi. Diagnosa penyakit diabetes pada manusia salah satunya dapat dilakukan dengan menerapkan algoritma Machine Learning yaitu C4.5. Penelitian ini bertujuan melakukan diagnosa penyakit diabetes untuk menghindari keterlambatan diagnosis yang dapat mengakibatkan komplikasi pada pasien pengidap penyakit diabetes dengan menggunakan Algoritma C4.5 dalam mendiagnosa dan membuat model prediksi yang menghasilkan sebuah pohon keputusan serta pengujian terhadap hasil diagnosa penyakit diabetes. Dalam penelitian ini terdapat beberapa atribut klasifikasi yaitu gender, age, urea, creatinine, HbA1c, cholesterol, trigeliserida, HDL, LDL, VLDL, dan BMI. Hasil dari penelitian ini dijadikan sebagai acuan untuk dapat melihat apakah seseorang terkena diabetes atau tidak. Hasil akhir dari penelitian ini yaitu menghasilkan nilai akurasi sebesar 99.47%, dimana nilai ini menandakan bahwa algoritma C4.5 mampu melakukan diagnosis penyakit diabetes dengan baik.

Teks Lengkap:

PDF

Referensi


Barrell, A. (2021). What to know about VLDL cholesterol. 1–9.

Dewi, S. P., & Rahayu, E. (2022). Penerapan Data Mining Untuk Prediksi Penjualan Produk Terlaris Menggunakan Metode K-Nearest Neighbor. 3(4), 639–648. https://doi.org/10.47065/bits.v3i4.1408

Fadhillah, R. P., Rahma, R., Sepharni, A., Mufidah, R., Sari, B. N., & Pangestu, A. (2022). Klasifikasi penyakit diabetes mellitus berdasarkan faktor-faktor penyebab diabetes menggunakan algoritma c4.5. 07, 1265–1270.

Hospitals, S. T. (2024). Tes HbA1c. 1–5.

Lee, Y., & Siddiqui, W. J. (2024). Cholesterol Levels. 1–7.

Liu, Q., Wang, Y., Chen, Z., Guo, X., & Lv, Y. (2021). Age ‑ and sex ‑ specific reference intervals for blood urea nitrogen in Chinese general population. Scientific Reports, 1–7. https://doi.org/10.1038/s41598-021-89565-x

Milita, F., Handayani, S., & Setiaji, B. (2018). Kejadian Diabetes Mellitus Tipe II pada Lanjut Usia di Indonesia ( Analisis Riskesdas 2018 ).

Najib, A., Nurcahyono, D., & Setiawan, R. P. P. (2019). KLASIFIKASI DIAGNOSA PENYAKIT DIABETES MELLITUS ( DM ). Dm.

Robbani, A. A., Siregar, A. M., & Kusumaningrum, D. S. (2022). Klasifikasi Penderita Penyakit Diabetes Menggunakan. III, 76–82.

Rosenson, R. S. (2021). Edukasi pasien : Kolesterol tinggi dan lipid ( Melampaui Dasar ). 1–10.

Rosita, R., Kusumaningtiar, D. A., Irfandi, A., Ayu, I. M., Studi, P., Masyarakat, K., Kesehatan, F. I., Esa, U., & Barat, K. J. (2022). AKTIVITAS FISIK LANSIA DENGAN DIABETES MELITUS TIPE 2 DI PUSKESMAS BALARAJA KABUPATEN TANGERANG. 10, 364–371.

Sudipa, I. G. I., Darmawiguna, I. G. M., Dendi, I. M., & Sanjaya, M. (2024). Buku ajar data mining (Issue January).

Suyanto. (2018). Machine Learning. Informatika Bandung.

Suyanto, D. (2019). Data Mining untuk Klasifikasi dan Klasterisasi Data (Revisi). Informatika Bandung.




DOI: https://doi.org/10.31294/infortech.v7i1.26030

Refbacks

  • Saat ini tidak ada refbacks.


Dipublikasikan oleh LPPM Universitas Bina Sarana Informatika

Jl. Kramat Raya No.98, Kwitang, Kec. Senen, Kota Jakarta Pusat, DKI Jakarta 10450
Creative Commons License
This work is licensed under a Creative Commons Attribution-ShareAlike 4.0 International License