Klasifikasi Penyakit Diabetes Menggunakan Algoritma Decision Tree

Abstract

Penyakit diabetes merupakan salah satu penyakit kronis yang prevalensinya terus meningkat di seluruh dunia. Diagnosis dini menjadi permasalahan utama dalam pengelolaan penyakit diabetes di mana banyak pasien tidak menyadari penyakit mereka sampai gejala serius muncul. Klasifikasi penyakit diabetes membantu mengidentifikasi diabetes pada tahap awal untuk intervensi yang lebih efektif. Penelitian ini menggunakan algoritma Decision Tree untuk mengidentifikasi serta mengklasisfikasikan pasien diabetes. Dataset bersal dari kumpulan data klinis pasien diabetes dan membangun model klasifikasi menggunakan algoritma Decision Tree. Model yang dihasilkan mampu mengidentifikasi pasien diabetes dengan tingkat akurasi yang tinggi berdasarkan data klinis yang terkumpul. Hasil evaluasi model menunjukkan presisi sebesar 0.78, recall sebesar 0.45, dan F1-score sebesar 0.57 untuk kelas positif diabetes. Namun, hasil evaluasi juga menunjukkan adanya batasan pada kinerja model dalam mengklasifikasikan pasien diabetes dengan recall yang lebih rendah. Oleh karena itu, penelitian ini memberikan landasan untuk pengembangan lebih lanjut guna meningkatkan performa model klasifikasi ini, seperti dengan mempertimbangkan atribut klinis lainnya yang relevan.

Improved Decision Tree Accuracy (C4.5) with Attribute Reduction Using Forward Selection in Data Classification

“…Decision Tree C4.5 Decision lTree lC4.5 lto lform la ldecision ltree lwhich lis la lvery lpowerful lclassification land prediction lmethod [15]. lThe ldecision ltree lmethod ltransforms lvery llarge lfacts linto ldecision trees lthat lrepresent lrules lthat lcan lbe leasily lunderstood.…”