PENERAPAN METODE DECISION TREE DALAM KLASIFIKASI PENDERITA PENYAKIT DIABETES MENGGUNAKAN ALGORITMA C4.5

Diabetes merupakan penyakit serius yang disebabkan oleh ketidakmampuan pankreas dalam memproduksi insulin secara optimal. Jika tidak dideteksi dan ditangani dengan baik, diabetes dapat menyebabkan komplikasi berat seperti kebutaan, gagal jantung, bahkan kematian. Faktor-faktor penyebab diabetes antara lain keturunan, berat badan, usia, tekanan darah serta gaya hidup. Namun, gejala awal sering kali tidak terlihat sehingga diperlukan metode deteksi dini untuk mengurangi risiko komplikasi. Penelitian ini bertujuan untuk menerapkan metode klasifikasi dalam data mining menggunakan algoritma C4.5 dalam membentuk pohon Keputusan (Decision Tree) untuk mengklasifikasikan penderita penyakit diabetes. Penelitian ini menggunakan dataset dari Kaggle yang berisi 2.000 data dengan label target 2 kelas yaitu positif diabetes sebanyak 684 data dan negatif diabetes sebanyak 1316 data. Data dilakukan transformasi sebelum diklasifikasikan menggunakan algoritma Decision Tree C4.5. Pengujian dilakukan menggunakan software rapidminer untuk mengevaluasi performa model berdasarkan akurasi, presisi, recall dan f1score serta menggunakan 3 kali skenario uji. Dari hasil pengujian skenario uji pertama, diperoleh akurasi sebesar 72%, skenario uji kedua diperoleh akurasi sebesar 76,5%, skenario uji ketiga, diperoleh akurasi sebesar 74,8%. Hasil ini menunjukkan bahwa model klasifikasi yang diterapkan memiliki kinerja yang cukup baik dalam mengidentifikasi penderita diabetes.