STUDI KOMPARASI ALGORITMA ID3 DAN ALGORITMA NAIVE BAYES UNTUK KLASIFIKASI PENYAKIT DIABETES MELLITUS

Main Article Content

Nunu Nurdiana
Sandi Fajar Rodiyansyah
Abijar Algifari

Abstract

Penyakit diabetes mellitus salah satu penyakit yang mematikan, merupakan penyakit gangguan metabolik menahun akibat pankreas tidak memproduksi cukup insulin atau tubuh tidak dapat menggunakan insulin yang diproduksi secara efektif. Berdasarkan data history penderita diabetes dapat dibuat rekomendasi prediksi penyakit diabetes yang dapat membantu tenaga kesehatan. Klasifikasi merupakan salah satu teknik dari data mining yang dapat digunakan untuk membantu prediksi hasil klasifikasi penyakit diabetes. Klasifikasi dilakukan menggunakan Algoritma ID3 dan Algoritma Naive Bayes dengan bahasa pemrograman python menggunakan aplikasi web open source yaitu Jupyter Notebook. Penelitian ini bertujuan membuat klasifikasi dan menerapkan klasifikasi data mining. Hasil klasifikasi data di evaluasi dengan menggunakan Confusion Matrix dan kurva ROC untuk mengetahui tingkat hasil akurasi menggunakan algoritma ID3 yaitu sebesar 74% dan nilai AUC dari kurva ROC adalah 0.788 sedangkan Algoritma Naive Bayes sebesar 76% nilai AUC dari kurva ROC 0.794 sehingga dapat dikatakan bahwa Algoritma Naive Bayes memiliki hasil prediksi yang baik dalam memprediksi penyakit diabetes meliitus.

Article Details

How to Cite
Nurdiana, N., Rodiyansyah, S. F., & Algifari, A. (2020). STUDI KOMPARASI ALGORITMA ID3 DAN ALGORITMA NAIVE BAYES UNTUK KLASIFIKASI PENYAKIT DIABETES MELLITUS. INFOTECH Journal, 6(2), 18-23. https://doi.org/10.31949/infotech.v6i2.816
Section
Articles

References

Dita Garnita,Faktor Resiko DM di Indonesia. Universitas Indonesia.2007
Metisen, Benri Melpa dan Herlina Latipa Sari. Analisis Clustering Menggunakan Metode K-Means Dalam Pengelompokkan Penjualan Produk Pada Swalayan Fadhila. ISSN: 1858- 2680. Jakarta: Jurnal Media Infotama Vol. 11, No. 2, September 2015: 110-118. Diambil dari: jurnal.unived.ac.id/index.php/jmi/article/d ownload/258/237/. (18 Mei 2016)
Misnadiarly. 2006. Diabetes Melitus Gangren, Ulcer, Infeksi, Mengenali gejala, Menanggulangi, dan Mencegah komplikasi. Jakarta: Pustaka Obor Populer.
PERKENI., 2011. Konsensus Pengelolaan dan Pencegahan Diabetes MelitusTipe 2 di Indonesia. Jakarta.
Playing Game Dengan Metode Finite State Machine. Universitas Malikussaleh, 1-11.
Prajarini, D., 2016. Perbandingan Algoritma Klasifikasi Data Mining Untuk Prediksi Penyakit Kulit. Informatics Journal Vol.1 No.3 (2016)
Pramudiono, I. 2007. Pengantar Data Mining: Menambang Permata Pengetahuan di Gunung Data. http://www.ilmukomputer.org/wp-content/uploads/2006/08/ikodata mining.zip. 26 April 2017 (19:54)
Prasetyo, E. 2012. Data Mining Konsep dan Aplikasi Menggunakan MATLAB. Andi. Yogyakarta.
Purnamasari, D., 2009. Diagnosis dan Klasifikasi Diabetes Melitus. Di Dalam :Buku Ajar Ilmu Penyakit Dalam. Jilid 3 Edisi V. Jakarta: Pusat Penerbit Departemen Ilmu Penyakit Dalam FK UI, hal. 1880-1883.
WHO. 2016. Diabetes. World Health Organization. (online)diakses 23 Mei 2016. http://www.who.int/mediacentre/fa ctsheets/fs312/en/-46