PREDIKSI PENYAKIT DIABETES MELLITUS MENGGUNAKAN ALGORITMA C4.5

##plugins.themes.academic_pro.article.sidebar##

Published Feb 28, 2021
https://doi.org/10.51977/jti.v3i1.407
Download
PDF
Statistic

Downloads

Download data is not yet available.
Vol 3 No 1 (2021): Jurnal Responsif : Riset Sains dan Informatika

##plugins.themes.academic_pro.article.main##

Rini Andanika Siallagan
Fitriyani

Abstract

Diabetes mellitus merupakan penyakit kronis yang disebabkan oleh gagalnya organ pankreas memproduksi jumlah hormon insulin secara memadai sehingga menyebabkan peningkatan kadar glukosa dalam darah. Diabetes Mellitus merupakan salah satu penyakit keturunan, penyakit ini bisa di turunkan orang tua kepada anaknya, dan sangat disayangkan bila diusia yang masih muda sudah mengalami diabetes. Pemeriksaan pada penyakit Diabetes Mellitus dalam dunia medis dapat dilakukan dengan cara pendiagnosaan penyakit berdasarkan gejala-gejala yang didertita oleh penderita yang dapat menghasilkan data hasil uji laboratorium dan rekam medis gejala sakit. Untuk meminimalisir angka kematian dari penyakit Diabetes Mellitus ini, para pakar kesehatan harus melakukan pendiagnosaan penyakit sedini mungkin. Klasifikasi dapat dijadiin salah satu penanganan dini dari penyakit ini, klasifikasi ini menggunakan metode algoritma C4.5. Penelitian ini bertujuan untuk membantu para medis untuk mengklasifikasi para pasien yang memilik gejala-gejala penyakit diabetes. Algoritma C4.5 merupakan algoritma yang digunakan untuk membentuk pohon keputusan (Decision Tree). 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 penyakit diabetes apakah pasien tersebut berpotensi mengidap diabetes mellitus atau tidak. Berdasarkan hasil pengujian dengan metode cross validation pada aplikasi RapidMiner menghasilkan nilai akurasi sebesar 91,82%.

##plugins.themes.academic_pro.article.details##

Pemberitahuan Hak Cipta
Usulan kebijakan untuk jurnal yang menawarkan akses terbuka Syarat yang dibutuhkan penulis adalah sebagai berikut:

1. Penulis memegang hak cipta dan memberikan jurnal hak penerbitan pertama secara bersamaan di bawah lisensi di bawah Creative Commons Attribution-ShareAlike 4.0 International (CC BY-SA 4.0), yang mengizinkan orang lain untuk menyalin dan mendistribusikan ulang materi ini dalam bentuk atau format apa pun termasuk menyusun, memodifikasi, dan membuat turunan materi ini untuk tujuan apa pun, termasuk tujuan komersial.
2. Penulis dapat membuat pengaturan kontrak terpisah untuk distribusi non-eksklusif dari versi dekaden publikasi jurnal (misalnya mempostingnya ke repositori institusional atau menerbitkannya dalam sebuah buku), dengan mengakui publikasi aslinya di jurnal ini.
3. Penulis diizinkan dan didorong untuk memposting artikel secara online (misalnya di repositori institusional atau di situs web mereka) seperti pada Garuda, Academia, researchgate atau repository lainnya sebelum dan selama proses pengiriman, karena dapat menghasilkan pertukaran yang produktif dan kutipan artikel yang diterbitkan lebih awal dan lebih maju (periksa: Efek Akses Terbuka)

Creative Commons Licence
This work is licensed under a Creative Commons Attribution-ShareAlike 4.0 International License. 

References

Catal, C., & Diri, B. (2009). A systematic review of software fault prediction studies. Expert Systems with Applications, 36(4), 7346–7354. https://doi.org/10.1016/j.eswa.2008.10.027
Fatmawati, F. (2016). Perbandingan Algoritma Klasifikasi Data Mining Model C4.5 Dan Naive Bayes Untuk Prediksi Penyakit Diabetes. None, 13(1), 50–59.
Fitriyani, F. (2018). Metode Bagging Untuk Imbalance Class Pada Bedah Toraks Menggunakan Naive Bayes. Jurnal Kajian Ilmiah, 18(3), 278. https://doi.org/10.31599/jki.v18i3.281
Haryati, S., Sudarsono, A., & Suryana, E. (2015). IMPLEMENTASI DATA MINING UNTUK MEMPREDIKSI MASA STUDI MAHASISWA MENGGUNAKAN ALGORITMA C4 . 5. 11(2), 130–138.
Islam, M. M. F., Ferdousi, R., Rahman, S., & Bushra, H. Y. (2020). Likelihood Prediction of Diabetes at Early Stage Using Data Mining Techniques. In M. Gupta, D. Konar, S. Bhattacharyya, & S. Biswas (Eds.), Computer Vision and Machine Intelligence in Medical Image Analysis (pp. 113–125). Springer Singapore.

Novandya, A. (2017). Penerapan Algoritma Klasifikasi Data Mining Dalam. KNiST, XIV(2), 120–129.
Fatimah, R. N. (2015). Diabetes Mellitus Tipe 2. 4(5), 1-9.
Efendi, M. S., Wibawa, H. A. (2018). Prediksi Penyakit Diabetes Menggunakan Algoritma ID3 dengan Pemilihan Atribut Terbaik (Diabetes Prediction using ID3 Algorithm with Best Attribute Selection). VI(1), 29-35.
Hairani, Nugraha, G. S., Abdillah, M. N., & Innuddin, M. (2018). Komparasi Akurasi Metode Correlated Naive Bayes Classifier Dan Naive
Bayes Classifier Untuk Diagnosis Penyakit Diabetes. 3(1), 6-11.
Mirqotussa’adah, M., Muslim, M. A., Sugiharti, E., Prasetiyo, B., & Alimah, S. (2017). Penerapan Dizcretization dan Teknik Bagging Untuk Meningkatkan Akurasi Klasifikasi Berbasis Ensemble pada Algoritma C4.5 dalam Mendiagnosa Diabetes. Lontar Komputer : Jurnal Ilmiah Teknologi Informasi, 8(2), 135.