APLIKASI DATA MINING UNTUK DIAGNOSIS PENYAKIT DIABETES MENGGUNAKAN ALGORITMA C4.5 DAN NAÏVE BAYES CLASSIFICATION

Abstract

Database rumah sakit umumnya mengandung data yang sangat banyak dengan berbagai atribut. Pemanfaatan data yang sangat banyak untuk dijadikan informasi yang relevan dari database yang besar adalah pekerjaan yang sulit. Hal tersebut memerlukan teknik-teknik tertentu sehingga penyaringan informasi dapat dilakukan dengan efektif dan efisien. Misalnya menerapkan teknik data mining yang dapat menelusuri pola data untuk tujuan analisis. Penelitian ini mempelajari bagaimana data mining dapat diterapkan untuk membantu memprediksi penyakit diabetes dari data laboratorium. Metode yang digunakan dalam penelitian ini adalah Algoritma C4.5 dan Naive Bayes Classification. Dalam penerapan Algoritma C4.5 memiliki tahapan-tahapan yaitu : menghitung entropy, gain, split info dan ratio gain. Langkah selanjutnya adalah membentuk decision tree dan menghasilkan rule. Naive Bayes Classification memiliki tahapan-tahapan yaitu menghitung probabilitas kelas dan menghitung probabilitas atribut. Pengujian dilakukan menggunakan data Rumah Sakit Pusat Pertamina dengan 3876 data dengan rincian 3.101 data pelatihan dan 775 data pengujian yang masing-masing dengan 12 variabel: umur, jenis kelamin dan hasil uji laboratorium. Hasil menunjukkan bahwa Algoritma C4.5 mempunyai akurasi prediksi maksimum untuk diabetes sebesar 75.54%, dan Naive Bayes Classification sebesar 75.35%.