Klasifikasi Penyakit Diabetes menggunakan Algoritma Decision Tree dengan K-fold Cross Validation

Klasifikasi Penyakit Diabetes menggunakan Algoritma Decision Tree dengan K-fold Cross Validation

• By Andriani Vivi;
• Skripsi
• 13
• 1-84

Penyakit Diabetes merupakan salah satu penyakit yang paling umum dan berbahaya di dunia
adalah diabetes. Diagnosis dini dan akurat sangat penting untuk mencegah komplikasi lebih lanjut.
Dalam penelitian ini, kita mengembangkan system klasifikasi penyakit diabetes menggunakan metode
algoritma decision tree dengan validasi silang K-fold. Dataset yang digunakan dalam penelitian ini
adalah dataset Pima Indians Diabetes Dataset yang berisi 768 sampel dengan 9 fitur klinis yang terdiri
dari Pregnancies, Glucose, BloodPressure, SkinThickness, Insulin, BMI, DiabetesPedigreeFunction,
Age, Outcome. Algoritma decision tree digunakan untuk membangun model klasifikasi, sedangkan
validasi silang K-fold digunakan untuk mengevaluasi kinerja model. Hasil dari penelitian menunjukan
bahwa model klasifikasi yang dibangun menggunakan algoritma decision tree dengan validasi silang Kfold memiliki akurasi sebesar 95.33%. Hasil ini menunjukan bahwa metode ini efektif dalam
mengklasifikasi penyakit diabetes. Selain itu, hasil penelitian ini membuktikan bahwa metode decision
tree dengan validasi silang K-fold dapat digunakan sebagai salah satu alternatif untuk diagnosis
penyakit diabetes. Klasifikasi yang dibangun dapat membantu dokter dan tenaga medis lainnya dalam
membuat diagnosis yang lebih akurat dan cepat.

• Katakunci Diabetes, Decision Tree, K-fold Cross Validation
• URL http://
• Penerbit ,

REFERENSI

Afifuddin, A., & Hakim, L. (2023). 3520 https://ejournal.sidyanusa.org/index.php/jkdn Deteksi Penyakit Diabetes Mellitus Menggunakan Algoritma Decision Tree Model Arsitektur C4.5 (Vol. 3, Issue 1). https://ejournal.sidyanusa.org/index.php/jkdn

Angelina M. T. I. Sambi Ua, Diandra Lestriani H, Elizabeth Sonia Kristanty Marpaung, Jesslyn Ong, Michelle Savinka, Putri Nurhaliza, & Rahmi Yulia Ningsih. (2023). Penggunaan Bahasa Pemrograman Python Dalam Analisis Faktor Penyebab Kanker Paru-Paru. Jurnal Publikasi Teknik Informatika, 2(2), 88–99. https://doi.org/10.55606/jupti.v2i2.1742

Bahri, S., & Lubis, A. (2020). METODE KLASIFIKASI DECISION TREE UNTUK MEMPREDIKSI JUARA ENGLISH PREMIER LEAGUE. 2(1).

Falah, M., Lismayanti, L., Sari, N. P., & Mu’ti, A. I. (2023). Self management of type 2 diabetes mellitus patients in Tasikmalaya. Media Keperawatan Indonesia, 6(2), 104. https://doi.org/10.26714/mki.6.2.2023.104-109

Gelar Guntara, R. (2023). Pemanfaatan Google Colab Untuk Aplikasi Pendeteksian Masker Wajah Menggunakan Algoritma Deep Learning YOLOv7. Jurnal Teknologi Dan Sistem Informasi Bisnis, 5(1), 55–60. https://doi.org/10.47233/jteksis.v5i1.750

Kudus, U. M., Ganesha, J., & Kudus, P. (n.d.). Fida Maisa Hana.

Maulana, R., Narasati, R., Herdiana, R., Hamonangan, R., & Anwar, S. (2023a). KOMPARASI ALGORITMA DECISION TREE DAN NAIVE BAYES DALAM KLASIFIKASI PENYAKIT DIABETES. In Jurnal Mahasiswa Teknik Informatika (Vol. 7, Issue 6).

Melisa Enni Fitriyanti, H. F. dan L. Y. (2019). Jurnal Ilmiah Pengalaman Penderita Diabetes Mellitus Dalam Pencegahan Ulkus Diabetik. Jurnal Keperawatan Muhamadiyah Bengkulu , 07.

Muhammad, M., Samodro, J., Kunta Biddinika, M., Fadlil, A., Dahlan, A., & Ringroad Selatan, Y. J. (n.d.). Klasifikasi Penyakit Diabetes dengan Algoritma Decision Tree dan Naïve Bayes. 6(2).

Nasrullah, A. H. (2021). IMPLEMENTASI ALGORITMA DECISION TREE UNTUK KLASIFIKASI PRODUK LARIS. 7(2). http://ejournal.fikom-unasman.ac.id

Normawati, D., & Prayogi, S. A. (2021). Implementasi Naïve Bayes Classifier Dan Confusion Matrix Pada Analisis Sentimen Berbasis Teks Pada Twitter. In Jurnal Sains Komputer & Informatika (J-SAKTI (Vol. 5, Issue 2).

Nurussakinah, N., & Faisal, M. (2023). Klasifikasi Penyakit Diabetes Menggunakan Algoritma Decision Tree. Jurnal Informatika, 10(2), 143–149. https://doi.org/10.31294/inf.v10i2.15989

Program, N., Medis, S. R., Kesehatan, I., & Kesehatan, I.-I. (2018). Implementasi Algoritma Decision Tree C4.5 untuk Prediksi Penyakit Diabetes Jurnal INOHIM (Vol. 6, Issue 1). www.kaggle.com/uciml/pima-indians-diabetes-database

Ramadhon, R. N., Ogi, A., Agung, A. P., Putra, R., Febrihartina, S. S., & Firdaus, U. (2024). Implementasi Algoritma Decision Tree untuk Klasifikasi Pelanggan Aktif atau Tidak Aktif pada Data Bank (Vol. 3).

Rangga, M., Nasution, A., & Hayaty, M. (2019). Perbandingan Akurasi dan Waktu Proses Algoritma K-NN dan SVM dalam Analisis Sentimen Twitter. JURNAL INFORMATIKA, 6(2), 212–218. http://ejournal.bsi.ac.id/ejurnal/index.php/ji

Susana, H., & Suarna, N. (2022). PENERAPAN MODEL KLASIFIKASI METODE NAIVE BAYES TERHADAP PENGGUNAAN AKSES INTERNET Program Studi Teknik Informatika STMIK IKMI Cirebon Jl Perjuangan No 10B Kesambi Kota Cirebon 3) Program Studi Rekayasa Perangkat Lunak STMIK IKMI Cirebon Jl Perjuangan No 10B Kesambi Kota Cirebon 4) Program Studi Komputerisasi Akuntansi STMIK IKMI Cirebon Jl Perjuangan No 10B Kesambi Kota Cirebon. Jurnal Sistem Informasi Dan Teknologi Informasi), 4(1), 1–8.