Article Per Year (5 Year)
p-Index From 2021 - 2026
2.225
P-Index
This Author published in this journals
All Journal Jurnal Janitra Informatika dan Sistem Informasi INOTEK JUSIFOR : Jurnal Sistem Informasi dan Informatika JUSTIFY : Jurnal Sistem Informasi Ibrahimy Ahsana: Jurnal Penelitian dan Pengabdian kepada Masyarakat JAR'S (Journal of Advanced Research in Informatics) Journal of Information System and Application Development JUSTINDO (Jurnal Sistem dan Teknologi Informasi Indonesia)
Ridla, Muhammad Ali
Unknown Affiliation
Humanities Computer Science & IT Control & Systems Engineering Decision Sciences, Operations Research & Management Economics, Econometrics & Finance Electrical & Electronics Engineering Engineering Library & Information Science Social Sciences Other

Published : 15 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 1 Documents
Search
Journal : Journal of Information System and Application Development

 1 
Analisis Prediksi Diabetes Menggunakan Decision Tree pada Dataset Diabetes Pima Indians Prayoga, Noval; Ridla, Muhammad Ali
Journal of Information System and Application Development Vol. 4 No. 1 (2026): March 2026
Publisher : Universitas Merdeka Malang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.26905/jisad.v4i1.16494

Abstract

Diabetes melitus merupakan penyakit persisten dengan insidensi yang terus meningkat di seluruh dunia, sehingga strategi deteksi dini yang tepat menjadi sangat penting. Penelitian ini bertujuan untuk memprediksi risiko diabetes menggunakan algoritma Selection Tree yang berbasis pada Pima Indians Diabetes Dataset. Tahapan penelitian meliputi prapemrosesan data, penanganan nilai yang tidak valid, normalisasi, pemisahan data, dan pelatihan model menggunakan kriteria pemisahan gini dan entropi. Pengembangan kinerja dilakukan melalui optimasi hiperparameter menggunakan GridSearchCV dan penyeimbangan data dengan SMOTE. Hasilnya menunjukkan bahwa model Selection Tree yang dioptimalkan memberikan akurasi tinggi, interpretabilitas yang kuat, dan kemampuan untuk mengidentifikasi variabel yang paling berpengaruh terkait dengan risiko diabetes. Temuan ini menegaskan bahwa Selection Tree yang dikombinasikan dengan strategi optimasi dan penyeimbangan data merupakan teknik yang efektif untuk deteksi dini diabetes.
Co-Authors Azise, Nur Darwis Alwan Fatimatus Zahra, Fatimatus iin, Nur Inayah Latifah, Tadzkirotul Moh. Baha'Uddin Novia, Lisa Nurul Istiqomah Octavia, Imelda Valentina Prayoga, Noval Rahma, Elvi Nazulia Rahman, M. Fahrizal Rodia, Siti Aysatin