Klasifikasi Penderita Penyakit Diabetes Menggunakan Algoritma C4.5
Abstract
Diabetes merupakan suatu kondisi kronis bisa berlangsung seumur hidup dan akan mempengaruhi kemampuan tubuh dalam menggunakan energi makanan yang telah dicerna. Berdasarkan WHO atau organisasi kesehatan dunia memprediksi pengidap penyakit diabetes miletus di Republik Indonesia dari 8,4 juta jiwa di tahun 2020, dan pada tahun 2030 naik sampai 21,3 juta jiwa. Sedangakan menurut International Diabetes Federation (IDF) juga pada tahun 2009 pengidap penyakit diabetes 7,0 juta jiwa sampai 12,0 juta jiwa tahun 2030. Pada tahun 2030 menurut prediksi WHO dan IDF penderita penyakit diabetes miletus di Indonesia naik 2-3 kali lipat. Pendekatan data mining menjadi sangat penting dalam bidang kesehatan untuk mengambil keputusan berdasarakan data klinis yang besar. Teknik klasifikasi termasuk kedalam bagian metode supervised learning yaitu diperlukannya data latihan dalam membangun pola untuk model klasifikasinya. Algoritma C4.5 termasuk dalam algoritma klasifiksasi yang menghasilkan pohon keputusan dan bisa diolah dengan data diskrit dan numerik, selain itu algoritma C4.5 dapat mengasilkan cara yang mudah untuk diinterpretasikan pada penelitian akurasi dari algoritma C4.5 sebesar 74.08%.
References
[2] Alisa, F., Amelia, W., Sastra, L., & Despitasari, L. (2020). Edukasi Online Pelaksanaan Aktifitas Fisik Pada Pasien Diabetes.2, 53–57.
[3] Ente, D. R., Thamrin, S. A., Arifin, S., Kuswanto, H., & Andreza, A. (2020). Klasifikasi Faktor-Faktor Penyebab Penyakit Diabetes Melitus Di Rumah Sakit Unhas Menggunakan Algoritma C4.5. Indonesian Journal of Statistics and Its Applications, 4(1), 80–88. https://doi.org/10.29244/ijsa.v4i1.330
[4] Khotimah, N., & Istiawan, D. (2018). Perbandingan Algoritma C4.5, Naïve Bayes dan K-Nearest Neighbour untuk Prediksi Lahan Kritis di Kabupaten Pemalang. Urecol, 7(1), 41–50.
[5] Yuningsih, L., Setiawan, I., & Sunarto, A. (2020). Rancangan Aplikasi Prediksi Kelulusan Siswa. Jurnal Ilmiah Komputer, 16(2), 121–132.
[6] Rahman, N. T. (2020). Analisa Algoritma Decision Treedan Naïve Bayespada Pasien Penyakit Liver. 10(2), 144–151.
[7] Leidiyana, H., & Permana, A. A. (2020). Pemodelan Klasifikasi Dalam Meningkatkan Proses.
[8] Sadikin, M., Rosnelly, R., & Gunawan, T. S. (2020). Perbandingan Tingkat Akurasi Klasifikasi Penerimaan Dosen Tetap Menggunakan Metode Naive Bayes Classifier dan C4 . 5. 4, 1100–1109. https://doi.org/10.30865/mib.v4i4.2434
[9] Ayudhitama, A. P., & Pujianto, U. (2020). Analisa 4 Algoritma Dalam Klasifikasi Penyakit Liver Menggunakan. Jurnal Informatika Polinema, 6, 1–9.
[10] Setiawan, R. (2020). Analisis Kelayakan Pemberian Kredit Nasabah Koperasi Menggunakan Algoritma C4.5. Techno Xplore : Jurnal Ilmu Komputer Dan Teknologi Informasi, 5(2), 74–78. https://doi.org/10.36805/technoxplore.v5i2.1175
