OPTIMASI ALGORITMA GENETIKA PADA ALGORITMA C4.5 UNTUK DETEKSI DINI PENYAKIT DIABETES

Authors

  • Wisti Dwi Septiani
  • Untung Rohwadi

Keywords:

algoritma C4.5, algoritma genetika, data mining

Abstract

Diabetes melitus termasuk ke dalam 3 besar penyakit yang paling mematikan di Indonesia. Berdasarkan data WHO pada tahun 2013, diabetes menyumbang sebesar 6,5% pada kematian penduduk Indonesia. Diabetes merupakan penyakit kronis yang ditandai dengan tingginya kadar gula (glukosa) dalam darah yang melebihi batas normal. Penelitian sebelumnya menggunakan metode klasifikasi data mining Algoritma C4.5 dan menunjukkan tingkat akurasi 95,96%. Tujuan dari penelitian ini adalah untuk meningkatkan nilai akurasi Algortima C4.5 dengan melakukan optimasi penambahan fitur seleksi Algoritma Genetika.Hasl dari penelitian lanjutan ini adalah pohon keputusan dan terjadi peningkatan nilai akurasi dari 95,96% menjadi 96,54% untuk prediksi deteksi dini penyakit diabetes.

Downloads

Download data is not yet available.

References

Andriani, A. (2013). Sistem Prediksi Penyakit Diabetes Berbasis Decision Tree. Jurnal Bianglala Informatika, I(1), 1–10.

Apriliah, W., Kurniawan, I., Baydhowi, M., & Haryati, T. (2021). Prediksi Kemungkinan Diabetes pada Tahap Awal Menggunakan Algoritma Klasifikasi Random Forest. Sistemasi: Jurnal Sistem Informasi, 10(1), 163–171. https://doi.org/10.32520/stmsi.v10i1.1129

Buani, D. C. P. (2018). Prediksi Penyakit Hepatitis Menggunakan Algoritma Naive Bayes Dengan Seleksi Fitur Algoritma Genetika. Jurnal Evolusi, 6(2), 1–5. Retrieved from ejournal.bsi.ac.id

Efendi, M. S., & Wibawa, H. A. (2018). Prediksi Penyakit Diabetes Menggunakan Algoritma ID3 dengan Pemilihan Atribut Terbaik (Diabetes Prediction using ID3 Algorithm with Best Attribute Selection). JUITA, VI(1), 29–35.

Gorunescu, F. (2011). Data Mining: Concepts and Techniques. Verlag Berlin Heidelberg: Springer.

Handayanna, F., Rinawati, Arisawati, E., & Dewi, L. S. (2017). Prediksi Penyakit Diabetes Menggunakan Naive Bayes dengan Optimasi Parameter Menggunakan Algoritma Genetika. KNiST (Konferensi Nasional Ilmu Sosial & Teknologi), 71–76.

Larose, D. T. (2005). Discovering Knowledge in Database. New Jersey: John Willey & Sons Inc.

Putri, S. U., Irawan, E., & Rizky, F. (2021). Implementasi Data Mining Untuk Prediksi Penyakit Diabetes Dengan Algoritma C4.5. KESATRIA Jurnal Penerapan Sistem Informasi (Komputer & Manajemen), 2(1), 39–46.

Santosa, B. (2007). Data Mining Teknik Pemanfaat Data Untuk Keperluan Bisnis. Yogyakarta: Graha Ilmu.

Septiani, W. D., & Marlina, M. (2021). Comparison of Decision Tree, Naïve Bayes, and Neural Network Algorithm for Early Detection of Diabetes. Jurnal Pilar Nusa Mandiri, 17(1), 73–78. https://doi.org/10.33480/pilar.v17i1.2213

Septiani, W. D., & Rohwadi, U. (2021). Laporan Akhir Penelitian. Jakarta.

Setiadi, A. (2012). Penerapan Algoritma Multilayer Perceptron Untuk Deteksi Dini Penyakit Diabetes. Paradigma, 14(1), 46–59.

Sunge, A. S. (2018). Optimasi Algoritma C4.5 Menggunakan Genetic Algoritma Dalam Memprediksi Website Phishing. Seminar Nasional Inovasi Dan Tren (SNIT), 92.

Downloads

Published

2021-12-28

How to Cite

Dwi Septiani, W., & Rohwadi, U. (2021). OPTIMASI ALGORITMA GENETIKA PADA ALGORITMA C4.5 UNTUK DETEKSI DINI PENYAKIT DIABETES. Akrab Juara : Jurnal Ilmu-Ilmu Sosial, 6(5), 221–229. Retrieved from https://akrabjuara.com/index.php/akrabjuara/article/view/1701

Issue

Section

Articles