PENERAPAN DATA MINING UNTUK PREDIKSI AWAL KEMUNGKINAN TERINDIKASI DIABETES

Abstrak

Diabetes merupakan salah satu penyakit kronis yang memiliki ciri khas berupa tingginya kadar gula (glukosa) darah. Glukosa adalah sumber energi paling utama bagi sel-sel tubuh manusia, namun glukosa yang tertumpuk di dalam darah dapat mengakibatkan berbagai gangguan pada organ tubuh jika tidak dikontrol dan menimbulkan berbagai komplikasi penyakit lain yang dapat membahayakan penderitanya. Deteksi dini diabetes diperlukan karena adanya fase asimtomatik yang cukup lama, fase asimtomatik adalah kondisi penyakit yang sudah positif diderita tetapi tidak menimbulkan gejala klinis pada penderita. Tujuan penelitian ini adalah untuk memprediksi kemungkinan awal seseorang terindikasi penyakit diabetes berdasarkan dataset diabetes menggunakan teknik data mining yaitu metode algoritma Decision Tree C4.5, Naive Bayes dan K-Nearest Neighbors. Hasil pengujian Cross Validation dari ketiga algortima kemudian dibandingkan dengan pengukuran performance menggunakan Confusion Matrix, Compare ROC dan Paired T-Test sehingga didapatkan metode algortima terbaik. Adapun hasil dari penelitian ini menunjukkan bahwa algoritma Decision Tree C4.5 menjadi algoritma terbaik berdasarkan hasil performance akurasi prediksi sebesar 96,35% dengan nilai AUC sebesar 0,949 sehingga termasuk ke dalam kategori excellent classification serta hasil uji beda T-Test yang dominan jika dibandingkan dengan algoritma lainnya. Oleh sebab itu algortima Decision Tree C4.5 lebih akurat dalam memprediksi awal kemungkinan seseorang terindikasi penyakit diabetes.