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;
• Jurnal
• 8
• 1-5

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

Arther Sandag, G. (2020). Prediksi Rating
Aplikasi App Store Menggunakan
Algoritma Random Forest Application
Rating Prediction on App Store using
Random Forest Algorithm. Cogito Smart
Journal |, 6(2). https://www.kaggle.com/
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
Hardianto, D. (2021). BIOTEKNOLOGI &
BIOSAINS INDONESIA A
Comprehensive Review of Diabetes
Mellitus: Classification, Symptoms,
Diagnosis, Prevention, and Treatment.
http://ejurnal.bppt.go.id/index.php/JBBI
Kudus, U. M., Ganesha, J., & Kudus, P. (n.d.).
Fida Maisa Hana.
Maulana, R., Narasati, R., Herdiana, R.,
Hamonangan, R., & Anwar, S. (2023).
KOMPARASI ALGORITMA DECISION
TREE DAN NAIVE BAYES DALAM
KLASIFIKASI PENYAKIT DIABETES. In
Jurnal Mahasiswa Teknik Informatika
(Vol. 7, Issue 6).
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
Penerapan, J., Buatan, K., Febianto, A. K., &
Sugianto, C. A. (2024). Optimalisasi
Algortima Klasifikasi Ensemble
Menggunakan Algortima Genetika Untuk
Prediksi Resiko Diabetes. 5(2), 205–213.
Program, N., Medis, S. R., Kesehatan, I., &
Kesehatan, I.-I. (2020). Implementasi
Algoritma Decision Tree C4.5 untuk
Prediksi Penyakit Diabetes Jurnal
INOHIM (Vol. 6, Issue 1).
www.kaggle.com/uciml/pima-indiansdiabetes-database
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/j