ANALISIS POLA PENYAKIT STROKE MENGGUNAKAN ALGORITMA C4.5

• GITA SAFAESI

---

ABSTRAK

ABSTRAK

Gita Safaesi (11200193), Analisis Pola Penyakit Stroke Menggunakan Algoritma C4.5

Pemberlakuan Pembatasan Kegiatan Masyarakat yang diiringi dengan berkembangnya teknologi di Indonesia membuat masyarakat semakin dimudahkan dalam hal pekerjaan, pemesanan makanan, pembayaran dan pengaksesan informasi serta komunikasi menggunakan jaringan internet. Hal tersebut mengakibatkan berkurangnya aktifitas fisik manusia yang akan membahayakan kesehatan jangka panjang. Salah satunya yaitu penyakit stroke. Di Indonesia stroke menempati urutan ketiga setelah asma dan kanker. Hasil Riskesdas 2018 jumlah presentasi stroke berjumlah 4,4%. Dalam bidang kesehatan, teknologi dapat digunakan untuk mengklasifikasikan apakah seorang pasien terdiagnosa dengan benar memiliki sebuah penyakit berdasarkan hasil tes yang telah dijalani. Untuk memprediksikan suatu kondisi dalam data mining, diperlukan sebuah algoritma yang mampu mengolah data-data menjadi informasi yang akan digunakan untuk memprediksikan  dan memuatnya menjadi sebuah pola menggunakan. Salah satu algoritma yang dapat digunakan untuk membuat pohon keputusan (decission tree) adalah algoritma C4.5. Analisis optimasi model algoritma C4.5 menggunakan aplikasi Rapid Miner memberikan nilai akurasi dengan model algoritma C4.5 yaitu 94,21%. Dari evaluasi menggunakan ROC Curve untuk model ini yaitu, algoritma C4.5 mendapatkan nilai AUC sebesar 0,675 dengan tingkat diagnosa Fair Classification. Dari evaluasi ROC Curve tersebut dilihat terlihat bahwa model algoritma C4.5 cukup akurat dalam memprediksi pola penyakit stroke.

 

Kata Kunci : Stroke, Algoritma C4.5, Decision Tree

KATA KUNCI

Analisis,Algoritma C-4.5

---

DAFTAR PUSTAKA

DAFTAR PUSTAKA

 

[1]      S. Abdillah, “Penerapan Algoritma Decision Tree C4.5 Untuk Diagnosa Penyakit Stroke Dengan Klasifikasi Data Mining Pada Rumah Sakit Santra Maria Pemalang,” J. Tek. Inform., pp. 1–12, 2011.

[2]      O. Algoritma et al., “Optimasi algoritma genetika dalam memprediksi penyakit hepatitis dengan menggunakan metode decision tree,” 2019.

[3]      D. A. Suntara, N. Roza, and A. Rahmah, “Hubungan Hipertensi Dengan Kejadian Stroke Pada Lansia Di Wilayah Kerjapuskesmas Sekupang Kelurahan Tanjung Riau Kota Batam,” J. Inov. Penelilktaian, vol. 1, no. 10, p. 2177, 2021.

[4]      I. Print, N. Azwanti, E. Elisa, U. P. Batam, and J. R. S. Kuning, “InfoTekJar?: Jurnal Nasional Informatika dan Teknologi Jaringan Analisis Pola Penyakit Hipertensi Menggunakan Algoritma C4 . 5,” vol. 2, 2019.

[5]      Y. iqbal maulana and Hendri, “Memprediksi Minat Pelanggan Membeli Produk Sepatu Menggunakan Metode Decision Tree Pada PT. Zoelindo Elite Anugerah,” Sentra Penelit. Eng. dan Edukasi, vol. 10, no. 4, p. 70, 2018.

[6]      Nurajijah, S. Nurlela, and G. Safaesi, “Analisis Pola Penyakit Stroke Menggunakan Algoritma C4.5,” 2021.

[7]      A. Purwanto, A. Primajaya, and A. Voutama, “Penerapan Algoritma C4 . 5 dalam Prediksi Potensi Tingkat Kasus Pneumonia di Kabupaten Karawang,” J. Sist. dan Teknol. Inf., vol. 08, no. 4, pp. 390–396, 2020, doi: 10.26418/justin.v8i4.41959.

[8]      R. Rismayanti, “Implementasi Algoritma C4.5 Untuk Menentukan Penerima Beasiswa Di Stt Harapan Medan,” J. Media Infotama, vol. 12, no. 2, pp. 116–120, 2017, doi: 10.37676/jmi.v12i2.413.

[9]      S. Hendrian, “Algoritma Klasifikasi Data Mining Untuk Memprediksi Siswa Dalam Memperoleh Bantuan Dana Pendidikan,” Fakt. Exacta, vol. 11, no. 3, pp. 266–274, 2018, doi: 10.30998/faktorexacta.v11i3.2777.

[10]    I. Oktanisa and A. A. Supianto, “Perbandingan Teknik Klasifikasi Dalam Data Mining Untuk Bank a Comparison of Classification Techniques in Data Mining for,” Teknol. Inf. dan Ilmu Komput., vol. 5, no. 5, pp. 567–576, 2018, doi: 10.25126/jtiik20185958.

[11]    E. P. Cynthia and E. Ismanto, “Metode Decision Tree Algoritma C.45 Dalam Mengklasifikasi Data Penjualan Bisnis Gerai Makanan Cepat Saji,” Jurasik (Jurnal Ris. Sist. Inf. dan Tek. Inform., vol. 3, no. July, p. 1, 2018, doi: 10.30645/jurasik.v3i0.60.

[12]    M. L. Sibuea and A. Safta, “Pemetaan Siswa Berprestasi Menggunakan Metode K-Means Clustring,” Jurteksi, vol. 4, no. 1, pp. 85–92, 2017, doi: 10.33330/jurteksi.v4i1.28.

[13]    S. Turnip and P. Siltionga, “Analisis Pola Penyebaran Penyakit dengan Menggunakan Algoritma C4.5,” J. Tek. Inform. Unika St. Thomas, vol. 03, no. 479, pp. 3–7, 2018.

[14]    A. Tanzeh and S. Arikunto, “Klasifikasi Kelayakan Kredit Calon Debitur Bank Menggunakan Alagoritma Decision Tree C4.5,” Metod. Penelit., no. 43, pp. 22–34, 2020.

[15]    F. Sulistyowati, “HUBUNGAN KADAR GULA DARAH PUASA DENGAN KADAR HbA1c PASIEN DIABETES MELITUS TIPE 2,” Repository.Unimus.Ac.Id, pp. 9–35, 2017, [Online]. Available: http://repository.unimus.ac.id/411/.

[16]    Djoko Pekik Irianto, Pedoman Gizi Lengkap Keluarga dan Olahragawan, Edisi Revi. Yogyakarta: Yogyakarta?: Penerbit Andi, 2017 ©2017, 2017.

[17]    Fedesoriano Data files © Original Authors, “Stroke Prediction Dataset,” 2020. kaggle.com.

[18]    Kemenkes RI, “Stroke Dont Be The One.” p. 10, 2018.