Implementasi Algoritma Decision Tree C4.5 Untuk Prediksi Penyakit Diabetes

Abstract

Abstract

Diabetes mellitus (DM) is a chronic disease that causes death. Uncontrolled, identified and unpredictable increases in blood sugar quickly lead to complications. In data mining, many have used approaches to predict the disease, one of which is the use of algortima decison tree C4.5. The motive of this study is to build a predictive model of the likelihood of diabetic patients with the C4.5 algorithm and see the akurasi of the resulting model. Prediction models are made using Pima Indians Diabetes Databases (PPID) data sourced from the UCI Machine Learning Repository. Prediction model with C4.5 decision tree algorithm has 70.32% akurasi by producing 9 rules, with the number of classes “not” as many as 4 rules and classes “yes” as many as 5 rule to predict DM disease.

Keyword: diabetes, decision tree C4.5, Accuracy                               

Abstrak

Diabetes Melitus (DM) adalah salah satu penyakit penyakit kronis yang menyebabkan kematian. Peningkatan gula darah yang tidak terkontrol, teridentifikasi dan tidak terprediksi dengan cepat mengakibatkan terjadinya komplikasi. Dalam data mining telah banyak menggunakan pendekatan-pendekatan dalam melakukan prediksi penyakit salah satu nya penggunaan algortima decison tree C4.5. Motif dari penelitian ini adalah membangun sebuah model prediksi kemungkinan diabetes pasien dengan algoritma C4.5 dan melihat akurasi dari model yang dihasilkan. Model prediksi dibuat dengan menggunakan data Pima Indians Diabetes Databases (PPID) yang bersumber dari UCI Machine Learning Repository. Model prediksi dengan algoritma decision tree C4.5 memiliki akurasi 70.32% dengan menghasilkan 9 rule, dengan jumlah class tidak sebanyak 4 rule dan 5 rule class iya untuk melakukan prediksi penyakit DM.    

Kata kunci: Diabetes, C4.5 decision tree, Akurasi