Article Per Year (5 Year)
p-Index From 2021 - 2026
1.607
P-Index
This Author published in this journals
All Journal Scientific Journal of Informatics JOURNAL OF INFORMATION SYSTEM RESEARCH (JOSH) JUKI : Jurnal Komputer dan Informatika Jurnal Informatika dan Perancangan Sistem (JIPS) LOGIC : Jurnal Ilmu Komputer dan Pendidikan Journal Of Computer Engineering And Information Technology
Roberto Kaban
Institut Teknologi dan Bisnis Indonesia
Humanities Computer Science & IT Control & Systems Engineering Decision Sciences, Operations Research & Management Education Electrical & Electronics Engineering Mechanical Engineering Other

Published : 11 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 11 Documents
Search

 1   2 
Prediksi Diagnosa Penyakit Diabetes Menggunakan Algoritma Decision Tree Berdasarkan Indikator Kesehatan Tubuh Egi Mutiara Br Sitepu; Roberto Kaban
LOGIC : Jurnal Ilmu Komputer dan Pendidikan Vol. 4 No. 2 (2026): Logic : Jurnal Ilmu Komputer dan Pendidikan
Publisher : Shofanah Media Berkah

Show Abstract | Download Original | Original Source | Check in Google Scholar

Abstract

Meningkatnya jumlah penderita diabetes mellitus secara global telah menimbulkan urgensi yang nyata terhadap ketersediaan sistem deteksi dini yang akurat, terjangkau, dan dapat diinterpretasikan secara klinis oleh tenaga medis. Penelitian ini bertujuan mengeksplorasi penerapan algoritma Decision Tree varian C4.5 dalam pembangunan model prediksi diagnosis diabetes yang bersumber dari data klinis secara otomatis. Sebagai dataset, digunakan Pima Indians Diabetes yang diperoleh dari UCI Machine Learning Repository, berisikan 768 rekaman medis perempuan berketurunan Indian Pima dengan delapan variabel prediktor kesehatan. Seluruh tahapan penelitian meliputi eksplorasi awal data, penanganan nilai tidak valid menggunakan imputasi median, normalisasi Min-Max, konstruksi pohon keputusan, serta evaluasi kinerja model dengan metode 10-fold cross-validation. Pengujian pada data independen menghasilkan akurasi sebesar 77,92%, recall 75,93%, presisi 66,13%, F1-Score 70,69%, dan nilai AUC-ROC 0,823. Variabel glukosa plasma tercatat memberikan kontribusi tertinggi terhadap kepentingan fitur yakni sebesar 38,14%, yang menegaskan posisinya sebagai penanda klinis utama dalam diagnosis diabetes. Temuan ini mengindikasikan bahwa algoritma Decision Tree C4.5 berpotensi dijadikan instrumen skrining awal diabetes pada fasilitas layanan kesehatan tingkat pertama.
Co-Authors Alexander Silitonga Angga Pradana Asprina Br. Surbakti Darwin Panjaitan Egi Mutiara Br Sitepu Eriansyah Saputra H Fahmil Triaga Fajrillah, Fajrillah Fandy Syahputra Mahdianta Pandia Meiliyani Br Ginting Muhammad Rizky Fajar Nuzaima Agustari Poltak Sihombing Purwanto Simamora Rizky Adha Safarul Ilham Suata Wan Kelispa Halawa Tri Indah Prasasti Wan Saddam Hasan Yudi Abdul Halim