IMPLEMENTASI ALGORITMA C5.0 PADA KLASIFIKASI PENYAKIT DEMAM BERDARAH DENGUE (STUDI KASUS : PUSKESMAS SINGGAHAN)

Penyakit Demam Berdarah Dengue (DBD) merupakan salah satu ancaman kesehatan yang signifikan di kawasan tropis, termasuk Indonesia. Deteksi dini terhadap DBD menjadi kunci penting untuk mencegah peningkatan angka kematian dan penyebaran kasus. Penelitian ini bertujuan untuk mengimplementasikan algoritma Decision Tree C5.0 dalam proses klasifikasi penyakit DBD menggunakan 200 data pasien dari Puskesmas Singgahan. Dataset yang digunakan mencakup 11 atribut klinis dan demografis, seperti trombosit, hematokrit, IgG, IgM, dan gejala umum.Tahapan penelitian meliputi preprocessing, transformasi, normalisasi, dan evaluasi melalui tiga skenario pengujian. Skenario 1 dengan pembagian data latih-uji menghasilkan akurasi 98.33% (rasio 70:30), 97.50% (rasio 80:20), dan 100% (rasio 90:10), di mana hasil 100% diidentifikasi sebagai potensi overfitting. Skenario dengan menggunakan validasi silang memberikan estimasi kinerja, dengan Skenario 2 (K-Fold 5) mencapai akurasi 88.00% dan Skenario 3 (K-Fold 10) mencapai 93.50%. Hasil ini menunjukkan bahwa algoritma C5.0 sangat efektif dalam mengklasifikasikan kasus DBD.