Prediksi Diabetes Berdasarkan Faktor Medis Pasien Menggunakan Algoritma Decision Tree
Kata Kunci:
diabetes, decision tree, data mining, klasifikasi, RapidMinerAbstrak
Pendeteksian dini terhadap risiko diabetes sangat penting untuk mencegah komplikasi serius. Penelitian ini mengembangkan model prediksi diabetes menggunakan algoritma Decision Tree berdasarkan data medis pasien. Dataset yang digunakan mencakup 768 data pasien dengan delapan atribut kesehatan, di mana 99 data berlabel digunakan untuk pelatihan model. Proses dilakukan melalui tahapan pembersihan data, penentuan atribut target, dan pembangunan model menggunakan RapidMiner. Hasil menunjukkan bahwa atribut seperti usia dan kadar glukosa memiliki pengaruh kuat terhadap klasifikasi diabetes. Meskipun hasil awal menunjukkan potensi besar, model masih memerlukan validasi lebih lanjut dengan data yang lebih besar dan distribusi label yang seimbang untuk meningkatkan keakuratannya.
Referensi
Dewi, R., & Hidayat, M. (2021). Perbandingan algoritma C4.5 dan CART dalam prediksi diabetes. Jurnal Sistem Informasi, 17(2), 99–106.
Fitriani, R., & Nugroho, A. (2022). Implementasi data mining untuk memprediksi risiko diabetes pada data rekam medis. Seminar Nasional Aplikasi Teknologi Informasi.
Hossain, M. M., Rawshan, A., & Islam, M. M. (2021). Prediction of diabetes mellitus using decision tree algorithm: A study based on PIMA Indian dataset. Journal of King Saud University - Computer and Information Sciences, 33(1), 137–143. https://doi.org/10.1016/j.jksuci.2018.09.014
Jain, A., & Singh, K. (2020). A machine learning approach to predict the risk of diabetes using decision tree and random forest. International Journal of Advanced Computer Science and Applications, 11(5), 372–378.
Jannah, M., & Ramadhan, A. (2020). Penerapan RapidMiner untuk klasifikasi penyakit diabetes. Jurnal Teknologi dan Sistem Komputer, 9(1), 112–118.
Kurniawan, R., & Prasetyo, E. (2020). Data mining untuk prediksi diabetes melitus menggunakan algoritma CART. Jurnal Teknologi Informasi dan Ilmu Komputer, 7(1), 11–18.
Li, X., & Wong, L. (2023). Explainable AI for diabetes prediction: A clinical perspective. AI in Healthcare Insights.
Mehta, D., & Joshi, K. (2023). Decision trees vs logistic regression for diabetes classification. International Journal of Data Science.
Novitasari, R. D., & Wahyuni, S. (2021). Prediksi penyakit diabetes menggunakan algoritma decision tree C4.5. Jurnal Informatika dan Komputer, 8(2), 101–107.
Nurmalasari, T., & Fahmi, A. (2023). Prediksi penyakit menggunakan metode decision tree dan klasifikasi data kesehatan di RapidMiner. Jurnal Ilmiah Teknologi Informasi Asia, 17(1), 24–31.
Permana, H., & Rachmawati, D. (2022). Analisis data mining untuk prediksi diabetes menggunakan decision tree dan random forest. Jurnal Sains dan Informatika, 8(1), 23–29.
Putra, A., & Widodo, S. (2020). Pemanfaatan RapidMiner dalam memprediksi risiko diabetes pada pasien di rumah sakit. Jurnal Sistem Informasi, 6(1), 17–23.
Rahmawati, N., & Yuliana, S. (2021). Perbandingan akurasi algoritma decision tree dan naive Bayes dalam prediksi diabetes. Jurnal Informatika Merdeka, 6(1), 55–62.
Rini, D. P., Zarlis, M., & Hartama, D. (2020). Model decision tree untuk prediksi penyakit menggunakan data medis. Jurnal Sistem Cerdas, 3(2), 89–95.
Salehahmadi, Z., Ehsan, A., & Mahmoudi, M. (2022). Application of decision tree algorithms in healthcare data mining. Artificial Intelligence in Medicine, 118, 102101. https://doi.org/10.1016/j.artmed.2021.102101
Saputra, D., & Lestari, S. (2022). Penerapan classification tree untuk mendeteksi sindrom metabolik. Jurnal Ilmu Komputer dan Teknologi Informasi.
Sharma, S., & Kaur, A. (2021). Comparative analysis of decision tree algorithms for disease prediction using machine learning. Materials Today: Proceedings. https://doi.org/10.1016/j.matpr.2021.07.048
Singh, J. P., Kaur, P., & Sharma, R. (2020). Diabetes prediction using machine learning techniques: A comparative study. Procedia Computer Science, 167, 706–716. https://doi.org/10.1016/j.procs.2020.03.327
Susanti, D., & Hartati, S. (2020). Klasifikasi penyakit diabetes menggunakan metode decision tree C4.5 dan naive Bayes. Jurnal Informatika, 14(1), 45–51.
Trisnawati, R., & Syafriandi, S. (2023). Sistem prediksi diabetes dengan algoritma decision tree dan aplikasi RapidMiner. Prosiding Seminar Nasional Teknologi Informasi dan Komputer.
Unduhan
Diterbitkan
Terbitan
Bagian
Lisensi
Hak Cipta (c) 2025 Ahmad Reza, Amar Naufal Al-kharits, Muhamad Bustomi, Nazar Maulana, Taupik Abdul Rahman (Author)
Artikel ini berlisensi Creative Commons Attribution 4.0 International License.
Creative Commons Attribution 4.0 International (CC BY 4.0).
This work is licensed under a 