Comparison Of Decision Tree, Naïve Bayes, And Neural Network Algorithm For Early Detection Of Diabetes

Comparison Of Decision Tree, Naïve Bayes, And Neural Network Algorithm For Early Detection Of Diabetes

• By Septiani, Wisti Dwi; Marlina,;
• Jurnal Nasional Terakreditasi
• 537
• 73-78

Diabetes melitus termasuk ke dalam 3 besar penyakit yang paling mematikan di Indonesia. Berdasarkan data WHO pada tahun 2013, diabetes menyumbang sebesar 6,5% pada kematian penduduk Indonesia. Diabetes merupakan penyakit kronis yang ditandai dengan tingginya kadar gula (glukosa) dalam darah yang melebihi batas normal. Pada bidang kesehatan, histori data medis dapat diolah untuk mengekstrak informasi baru dan dapat dimanfaatkan untuk proses pengambilan keputusan seperti prediksi penyakit. Penelitian ini bertujuan melakukan klasifikasi prediksi untuk deteksi dini penyakit diabetes sehingga didapatkan hasil yang akurat untuk pengambilan keputusan. Data yang digunakan adalah data riwayat pasien penyakit rumah sakit di Sylhet, Bangladesh. Algoritma yang digunakan adalah Decision Tree, Naive Bayes, dan Neural Network kemudian dilakukan komparasi terhadap ketiga metode tersebut menggunakan tools Rapid miner. Hasil pengukuran yaitu tingkat akurasi 95,96% dengan Decision Tree, 87,69% dengan Naive Bayes, dan 61,54% dengan Neural Network. Sehingga didapatkan algoritma terbaik yaitu Decision Tree untuk prediksi deteksi dini penyakit diabetes. Rule berupa pohon keputusan yang dihasilkan dari Decision Tree digunakan untuk masukan atau ide untuk pengambilan keputusan di bidang kesehatan untuk penyakit diabetes.

 

• Katakunci Data Mining, Klasifikasi, Prediksi, Decision Tree, Naive Bayes, Neural Network, Diabetes
• URL http://
• Penerbit ,

REFERENSI

Amalia, H. (2018). Perbandingan Metode Data Mining SVM Dan NN Untuk Klasifikasi Penyakit Ginjal Kronis. Jurnal PILAR Nusa Mandiri, 14(1), 1–6. Retrieved from http://ejournal.nusamandiri.ac.id/index.php

/pilar/article/view/80

 

Annisa, R. (2019). Analisis Komparasi Algoritma Klasifikasi Data Mining Untuk Prediksi Penderita Penyakit Jantung. Jurnal Teknik Informatika Kaputama (JTIK), 3(1), 22–28. Retrieved   from https://jurnal.kaputama.ac.id/index.php/JTI K/article/view/141/156

Apriliah, W., Kurniawan, I., Baydhowi, M., & Haryati,

T. (2021). Prediksi Kemungkinan Diabetes pada Tahap Awal Menggunakan Algoritma Klasifikasi Random Forest. Sistemasi: Jurnal Sistem Informasi, 10(1), 163–171. https://doi.org/10.32520/stmsi.v10i1.1129

 

Argina, A. M. (2020). Penerapan Metode Klasifikasi K-Nearest Neigbor pada Dataset Penderita Penyakit Diabetes. Indonesian Journal of Data and              Science,         1(2), 29–33. https://doi.org/10.33096/ijodas.v1i2.11

 

Buani, D. C. P. (2018). Prediksi Penyakit Hepatitis Menggunakan Algoritma Naive Bayes Dengan Seleksi Fitur Algoritma Genetika. Jurnal Evolusi, 6(2), 1–5. Retrieved from ejournal.bsi.ac.id

 

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). JUITA, VI(1), 29–35.

 

Handayani, P., Nurlelah, E., Raharjo, M., & Ramdani, P. M. (2019). Prediksi Penyakit Liver Dengan Menggunakan Metode Decision Tree dan Neural Network. CESS (Journal of Computer Engineering System and Science), 4(1), 55–59. https://doi.org/10.24114/cess.v4i1.11528

 

Handayanna, F., Rinawati, Arisawati, E., & Dewi, L. S. (2017). Prediksi Penyakit Diabetes Menggunakan Naive Bayes dengan Optimasi Parameter Menggunakan Algoritma Genetika. KNiST (Konferensi Nasional Ilmu Sosial & Teknologi), 71–76.

 

Nugraha, F. S., Shidiq, M. J., & Rahayu, S. (2019). Analisis Algoritma Klasifikasi Neural Network Untuk Diagnosis Penyakit Kanker Payudara. Jurnal Pilar Nusa Mandiri, 15(2), 149–156.

https://doi.org/10.33480/pilar.v15i2.601

 

Nurdiana, N., & Algifari, A. (2020). Studi Komparasi Algoritma ID3 dan Algoritma Naive Bayes Untuk Klasifikasi Penyakit Diabetes Mellitus. 6(2), 18–23.

 

Prahartiwi, L. I., & Dari, W. (2021). Komparasi Algoritma Naive Bayes, Decision Tree dan Support Vector Machine Untuk prediksi Penyakit Kanker Payudara. 7(1), 51–54. https://doi.org/10.31294/jtk.v4i2

Putri, S. U., Irawan, E., & Rizky, F. (2021). Implementasi Data Mining Untuk Prediksi Penyakit Diabetes Dengan Algoritma C4.5. KESATRIA Jurnal Penerapan Sistem Informasi (Komputer & Manajemen), 2(1), 39–46.

Septiani, W. D. (2020). Optimasi Algoritma C4.5 Menggunakan Algoritma Genetika Untuk Prediksi Penyakit Hepatitis. Inti Nusa Mandiri, 15(1), 59–64.

 

Septiani, W. D., & Marlina. (2021). Laporan Akhir Penelitian. Jakarta.

Sunge, A. S. (2018). Prediksi Kompetensi Karyawan Menggunakan Algoritma C4.5 (Studi Kasus : PT Hankook Tire Indonesia). Seminar Nasional Teknologi Informasi Dan Komunikasi 2018 (SENTIKA 2018), 15–22.