Article Per Year (5 Year)
p-Index From 2020 - 2025
0
P-Index
This Author published in this journals
All Journal JUITA : Jurnal Informatika
Muhamad Subhan Efendi
Unknown Affiliation
Computer Science & IT

Published : 1 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 1 Documents
Search

 1 
Prediksi Penyakit Diabetes Menggunakan Algoritma ID3 dengan Pemilihan Atribut Terbaik Muhamad Subhan Efendi; Helmie Arif Wibawa
JUITA : Jurnal Informatika JUITA Vol. 6 Nomor 1, Mei 2018
Publisher : Department of Informatics Engineering, Universitas Muhammadiyah Purwokerto

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (319.189 KB) | DOI: 10.30595/juita.v6i1.2412

Abstract

Penyakit diabetes atau sering disebut dengan penyakit kencing manis adalah suatu penyakit gangguan metabolik menahun yang ditandai oleh kadar glukosa dalam darah yang melebihi nilia normal. Penyakit diabetes sering disebut sebagai silent killer dengan mengacu pada banyaknya yang tidak menyadari bahwa dirinya terkena penyakit diabetes sampai diketahui sudah kronis. Hal ini memicu peningkatan jumlah penderita diabetes dari tahun ke tahun. Maka dari itu penelitian ini mencoba menerapkan suatu metode klasifikasi Data Mining untuk memprediksi apakah seseorang terkena penyakit diabetes atau tidak. Algoritma yang digunakan adalah algoritma Decision Tree ID3 dengan bantuan seleksi atribut dalam pemilihan atribut yang digunakan. Algoritma seleksi atribut yang dimaksud adalah Correlation based Feature Selection (CFS) dan Information Gain. Berdasarkan hasil penelitian ini diperoleh bahwa performa tertinggi dicapai ketika algoritma ID3 menggunakan 5 atribut yaitu gpost, glun, upost, urn, dan actn. Dimana kelima atribut tersebut diperoleh menggunakan algoritma Correlation based Feature Selection (CFS) dengan nilai rata-rata akurasi sebesar 84.77, nilai rata-rata sensitifity sebesar 87.18, dan nilai rata-rata specificity sebesar 82.37.Kata Kunci :   Penyakit Diabetes, Data Mining, ID3, Seleksi Atribut
Co-Authors Helmie Arif Wibawa