Klasifikasi Penyakit Diabetes Menggunakan Algoritma Decision Tree
Penelitian ini mengembangkan metode klasifikasi diabetes dengan menggunakan algoritma Decision Tree. Data klinis dari pasien diabetes dan non-diabetes dianalisis, termasuk atribut seperti usia, BMI, tekanan darah, dan tes gula darah. Algoritma Decision Tree berhasil mengklasifikasikan diabetes denga...
| Main Authors: | , |
|---|---|
| Format: | Article |
| Language: | Indonesian |
| Published: |
Universitas Bina Sarana Informatika, LPPM
2023-10-01
|
| Series: | Jurnal Informatika |
| Subjects: | |
| Online Access: | https://ejournal.bsi.ac.id/ejurnal/index.php/ji/article/view/15989 |
| Summary: | Penelitian ini mengembangkan metode klasifikasi diabetes dengan menggunakan algoritma Decision Tree. Data klinis dari pasien diabetes dan non-diabetes dianalisis, termasuk atribut seperti usia, BMI, tekanan darah, dan tes gula darah. Algoritma Decision Tree berhasil mengklasifikasikan diabetes dengan akurasi tinggi, sehingga dapat membantu dokter dalam mendiagnosis dan mengelola penyakit tersebut. Pada penelitian ini menunjukkan bahwa metode klasifikasi dengan Decision Tree efektif dalam mengidentifikasi penyakit diabetes. Dalam pengujian menggunakan data uji, model klasifikasi mampu mengenali pasien diabetes dengan tingkat akurasi yang memuaskan. Metode ini memiliki potensi untuk meningkatkan diagnosis dini dan pengelolaan penyakit diabetes, tetapi perlu dilakukan penelitian lebih lanjut untuk memvalidasi dan memperluas penggunaannya dalam populasi yang lebih luas.
This study developed a diabetes classification method using the Decision Tree algorithm. Clinical data from diabetic and non-diabetic patients were analyzed, including attributes such as age, BMI, blood pressure, and blood sugar tests. The Decision Tree algorithm successfully classifies diabetes with high accuracy, so it can assist doctors in diagnosing and managing the disease. This study shows that the classification method with the Decision Tree is effective in identifying diabetes. In testing using test data, the classification model is able to identify diabetic patients with a satisfactory level of accuracy. This method has the potential to improve the early diagnosis and management of diabetes, but further research is needed to validate and expand its use in a wider population. |
|---|---|
| ISSN: | 2355-6579 2528-2247 |