Analisis Prediksi Penyakit Diabetes Menggunakan Metode Decision Tree C4.5 Dan Naive Bayes
DOI:
https://doi.org/10.35968/jsi.v12i2.1549Kata Kunci:
Diabetes, Algoritma Prediksi, Decision Tree, Naive Bayes, RapidminerAbstrak
Diabetes melitus merupakan salah satu penyakit kronis yang prevalensinya terus meningkat di seluruh dunia. Di Indonesia sendiri penyakit diabetes melitus berada di urutan 3 (tiga) besar penyakit penyebab kematian tertinggi, sedangan di dunia Indonesia berada di urutan 5 (lima) besar. Deteksi dini dan prediksi penyakit ini sangat penting untuk mengurangi risiko komplikasi dan meningkatkan kualitas hidup penderita. Penelitian ini bertujuan untuk memprediksi penyakit diabetes melitus berdasarkan berbagai faktor resiko, untuk mengetahui cara implementasi metode diagnosa penyakit diabetes melitus dengan menggunakan metode Decision Tree dan Naïve Bayes. Dataset yang digunakan adalah dataset publik, dan diolah menggunakan metode algoritma. Perbandingan hasil penelitian penggunaan algoritma Decision Tree dan Naïve Bayes menunjukan tingkat akurasi pada algoritma Decision tree 70.87 % dan Naïve Bayes dan 73.48%. Data tersebut menunjukkan penggunaan algoritma naïve bayes lebih tinggi tingkat akurasi nilainya dibandingkan algoritmadecision tree.Referensi
Aschner, P., Adler, A., Bailey, C., Colagiuri, S., Day, C., Jose Gagliardino, J., Leiter, L. A., Nutrition, C., Han Cho, N., & Sobngwi, E. (2016). IDF Clinical Practice Recommendations for managing Type 2 Diabetes in Primary Care-2017 Chair: Core Contributors. www.idf.org/managing-type2-diabetes
Awaludin, M., & Gani, A. (2024). Pemanfaatan kecerdasan buatan pada algoritma k-means klastering dan sentiment analysis terhadap strategi promosi yang sukses untuk penerimaan mahasiswa baru. JSI (Jurnal Sistem Informasi) Universitas Suryadarma, 11(1), 1–6.
Awaludin, M., & Ridyustia Raveena, R. (2021). Penerapan Metode Rational Unified Process Pada Knowloedge Management System Untuk Mendukung Proses Pembelajaran Sekolah Menegah Atas. JSI (Jurnal Sistem Informasi) Universitas Suryadarma, 8(2), 159–170.
Awaludin, M., Yasin, V., & Risyda, F. (2024). The Influence of Artificial Intelligence Technology, Infrastructure and Human Resource Competence on Internet Access Networks. Inform : Jurnal Ilmiah Bidang Teknologi Informasi Dan Komunikasi, 9(2), 111–120. https://doi.org/10.25139/inform.v9i2.8109
Bulu, A., Wahyuni, T. D., Sutriningsih, A., Program, M., Ilmu, S., Fakultas, K., Kesehatan, I., Tribhuwana, U., Malang, T., Program, D., Keperawatan, S., & Malang, P. K. (2019). Hubungan Antara Tingkat Kepatuhan Minum Obat Dengan Kadar Gula Darah Pada Pasien Diabetes Melitus Tipe II. In Nursing News (Vol. 4, Issue 1).
Campbell, D. J. T., Ghuttora, H., Mladenovic, A., Smith, J., Leigh, R., Desveaux, L., Ivers, N., Manns, B., Tonelli, M., Naugler, C., Hemmelgarn, B., & McBrien, K. A. (2022). Variation in Patient-Described Barriers to and Facilitators of Diabetes Management by Individual-Level Characteristics: A Cross-Sectional, Open-Ended Survey. https://doi.org/10.2337/figshare.18651869
Fauzi, A., Istianah, & T, S. (2025). HUBUNGAN PERSEPSI PENYAKIT DAN TINGKAT PENGETAHUAN TERHADAP SELF-CARE MANAGEMENT PADA PENDERITA DIABETES MELLITUS TIPE 2 DI RUANG RAWAT JALAN PENYAKIT DALAM RSAU DR. M. SALAMUN TAHUN 2024. Jurnal Riset Ilmiah, 2(3), 1558–1569. https://doi.org/10.62335
Fitriyani, D., Utami Dewi, S., Wirawan, S., Kartadarma, S., & Purnomo, H. (2024). IMPLEMENTASI PROGRAM POSBINDU PENYAKIT TIDAK MENULAR. Ensiklopedia of Journal, 6. http://jurnal.ensiklopediaku.org
IP. SUIRAOKA. (2012). 9 Penyakit Degeneratif dari Perspektif Preventif.
Kurniasari, S., Sari, N. N., & Warmi, H. (2020). Pola Makan Dengan Kadar Glukosa Darah Pada Penderita Diabetes Melitus Tipe 2. Jurnal Riset Media Keperawatan, 3(1).
Lestari, Zulkarnain, & Sijid, A. (2021). Diabetes Melitus: Review Etiologi, Patofisiologi, Gejala, Penyebab, Cara Pemeriksaan, Cara Pengobatan dan Cara Pencegahan. Jurnal Biologi, 237–241. http://journal.uin-alauddin.ac.id/index.php/psb
Murtiningsih, M. K., Pandelaki, K., & Sedli, B. P. (2021). Gaya Hidup sebagai Faktor Risiko Diabetes Melitus Tipe 2. Jurnal Ilmiah Kedokteran Klinik, 2(9). https://doi.org/10.35790/ecl.9.2.2021.32852
Nur Khomarudin, A. (2003). Teknik Data Mining : Algoritma K-Means Clustering. https://agusnkhom.wordpress.com
Nursyahfitri, R., Novebrian Maharadja, A., Farissa, R. A., Umaidah, Y., Informatika, T., Komputer, I., & Karawang, S. (n.d.). JIP (Jurnal Informatika Polinema) Halaman| 53 Klasifikasi Penentuan Jenis Obat Menggunakan Algoritma Decision Tree.
PERATURAN MENTERI KESEHATAN REPUBLIK INDONESIA. (2013). https://peraturan.bpk.go.id/Details/172111/permenkes-no-30-tahun-2013
Sirojul Munir, A., Saputra, A. B., Aziz, A., & Agung Barata, M. (2024). Perbandingan Akurasi Algoritma Naive Bayes dan Algoritma Decision Tree dalam Pengklasifikasian Penyakit Kanker Payudara. JURNAL ILMIAH INFORMATIKA GLOBAL, 15(1), 23–29.
Zhafira, A. N., Afifah, N., Putri, S. A., Marhalatun, V., Intan, D., Saputra, S., Studi, P., Informasi, S., & Artikel, S. (2025). ANALISIS SENTIMEN ULASAN FILM PADA DATASET IMDB MENGGUNAKAN ALGORITMA NAIVE BAYES INFO ARTIKEL. 4(1Juni), 373–383. https://doi.org/10.70247/jumistik.v4i1.139
