BSIBSI

Jurnal InfortechJurnal Infortech

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.

Klasifikasi data mining dengan menggunakan Algoritma C4.5 dapat membantu peneliti dalam prediksi penyakit diabetes berdasarkan variabel-variabel yang diperlukan yaitu gender, age, urea, creatinine, HbA1c, cholesterol, trigeliserida, HDL, LDL, VLDL, dan BMI.Penelitian ini menghasilkan jumlah prediksi positif sebanyak 165 data dan jumlah prediksi negatif sebanyak 23 data, karena adanya software RapidMiner membantu untuk mempercepat terlambatnya diagnosa.Berdasarkan pengolahan data menggunakan software rapidminer menghasilkan nilai akurasi yang ideal, pada penelitian sebelumnya mendapatkan akurasi 74.00% sedangkan pada penelitian ini didapatkan hasil akurasi sebesar 99.Hasil ini membuktikan bahwa metode tersebut dapat digunakan dengan baik dan artinya bahwa rule yang dihasilkan tingkat kebenaran mendekati 100%.

Berdasarkan hasil penelitian ini, beberapa saran penelitian lanjutan dapat dipertimbangkan. Pertama, penelitian lebih lanjut dapat dilakukan dengan memperluas cakupan data, misalnya dengan melibatkan data dari berbagai rumah sakit atau wilayah geografis yang berbeda, untuk meningkatkan generalisasi model diagnosis. Kedua, eksplorasi algoritma machine learning lainnya, seperti deep learning atau ensemble methods, dapat dilakukan untuk membandingkan kinerja dan potensi peningkatan akurasi diagnosis diabetes. Ketiga, pengembangan sistem diagnosis berbasis web atau mobile yang terintegrasi dengan data rekam medis elektronik dapat mempermudah akses dan penggunaan model diagnosis oleh tenaga medis dan pasien, sehingga diagnosis dini dapat dilakukan secara lebih efisien dan efektif. Penelitian-penelitian ini diharapkan dapat memberikan kontribusi signifikan dalam upaya pencegahan dan penanganan penyakit diabetes di masa depan.

  1. Penerapan Data Mining Untuk Prediksi Penjualan Produk Terlaris Menggunakan Metode K-Nearest Neighbor... ejurnal.seminar-id.com/index.php/bits/article/view/1408Penerapan Data Mining Untuk Prediksi Penjualan Produk Terlaris Menggunakan Metode K Nearest Neighbor ejurnal seminar id index php bits article view 1408
Read online
File size792.82 KB
Pages6
DMCAReport

Related /

ads-block-test