ALGORITMA C4.5 UNTUK DIAGNOSA PENYAKIT TUBERKULOSIS
Sari
Penyakit tuberkulosis merupakan penyakit menular dan mematikan di dunia, bahkan World Health Organization (WHO) mencanangkan sebagai penyakit kedaruratan dunia (global emergency). Banyak gejala yang bisa terjadi pada seseorang yang terjangkit tuberkulosis, dan untuk menganalisa gejala tersebut bukan hal yang mudah, perlu dilakukan tes dahak pada penderita. Selain itu, dibutuhkan juga sebuah metode yang dapat mempermudah saat melakukan analisa dan menggali informasi pasien dari data rekam medik yang tersedia. Pada penelitian ini, penulis akan menerapkan metode klasifikasi data mining, yaitu Algoritma C4.5 untuk mendiagnosa penyakit tuberculosis. Berdasarkan hasil pengukuran performa dari model tersebut dengan menggunakan metode pengujian Cross Validation, Confusion Matrix dan Kurva ROC, diketahui bahwa algoritma C4.5 memiliki tingkat akurasi sebesar 84,56% dan nilai area under the curva (AUC) sebesar 0,938. Hal ini menunjukkan bahwa model yang dihasilkan termasuk kategori klasifikasi sangat baik karena memiliki nilai AUC antara 0.90-1.00.
Kata Kunci
Teks Lengkap:
PDFReferensi
Adhatrao, K., Gaykar, A., Dhawan, A., Jha, R., & Honrao, V. (2013). Predicting Students Performance Using ID3 And C4.5 Classification Algorithms. International Journal of Data Mining & Knowledge Management Process, 3(5), 39–52. https://doi.org/10.5121/ijdkp.2013.3504
Amrin, A. (2018). Aplikasi Diagnosa Penyakit Tuberculosis Menggunakan Algoritma Naive Bayes. Jurikom, 5(5), 498–502.
Dawson, C. W. (2009). Projects in Computing and Information System A Student’s Guide. England: Addison-Wesley.
Fine, J. (2012). An Overview Of Statistical Methods in Diagnostic Medicine. Chapel Hill.
Gorunescu, F. (2011). Data Mining: Concepts, Models, and Techniques. Verlag Berlin Heidelberg: Springer.
Kumar, P. ., & Umatejaswi, V. (2017). Diagnosing Diabetes using Data Mining Techniques. International Journal of Scientific and Research Publications, 7(6), 705–709.
Liao, T. W. (2007). Recent Advances in Data Mining of Enterprise Data: Algorithms and Application. Singapore: World Scientific Publishing.
Orhan, E., Temurtas, F., & Tanrıkulu, A. Ç. (2010). Tuberculosis Disease Diagnosis Using Artificial Neural Networks. Springer, 299–302.
Purushottam, Saxena, K., & Sharma, R. (2016). Efficient Heart Disease Prediction System using Decision Tree. International Conference on Computing, Communication and Automation (ICCCA2015), 962–969. https://doi.org/10.1016/j.procs.2016.05.288
Sumathi, S., & Sivanandam, S. N. (2006). Introduction to Data Mining and its Applications. Berlin Heidelberg New York: Springer.
Vercellis, C. (2009). Business Intelligent: Data Mining and Optimization for Decision Making. Southern Gate, Chichester, West Sussex: John Willey & Sons, Ltd.
Widoyono. (2011). Penyakit Tropis Epidemiologi, Penularan, Pencegahan dan Pemberantasan. Jakarta: Erlangga.
DOI: https://doi.org/10.31294/jki.v7i2.6725
DOI (PDF): https://doi.org/10.31294/jki.v7i2.6725.g3745
##submission.copyrightStatement##
Dipublikasikan oleh LPPM Universitas Bina Sarana Informatika
Email : jurnalkhatulistiwainformatika@bsi.ac.id
This work is licensed under a Creative Commons Attribution-ShareAlike 4.0 International License
Jurnal Khatulistiwa Informatika Indexed by:
