<![CDATA[Diabetes merupakan penyakit menahun (kronis) dimana komplikasi yang sering terjadi pada penderita dan mematikan adalah serangan jantung dan stroke. Menurut Riskesdaa 2018, baru sekitar 25% penderita diabetes mengetahui bahwa dirinya menderita diabetes. Untuk menekan jumlah penderita penyakit diabetes yang semakin bertambah, salah satu yang bisa dilakukan adalah deteksi dini dengan mengembangkan aplikasi prediksi penyakit diabetes memanfaatkan metode klasifikasi Data Mining. Penelitian ini akan mengoptimasi metode klasifikasi Decision Tree dengan Optimasi Parameter untuk menghasilkan akurasi tertinggi. Parameter yang dimaksud adalah Number of folds pada Cross Validation dan pada metode Decision Tree adalah parameter Criterion, maximal depth, apply pruning dan apply pre pruning. Data yang digunakan diambil dari data publik Kaggle dengan jumlah 2000 record dan 9 atribut (1 atribut khusus). Evaluasi dilakukan dengan membandingkan hasil nilai akurasi sebelum dan sesudah optimasi. Dari eksperimen yang dilakukan diketahui sebelum optimasi nilai akurasi berkisar 76% - 80%, dan setelah optimasi nilai akurasi mencapai 98,00%. Kemudian hasil nilai akurasi tertinggi yang ditampilkan dalam pohon keputusan metode Decision Tree yang dikembangkan menjadi sebuah aplikasi Diabetes Prediction System ‘DIAPRES’ berbasis web. Metode pengembangan perangkat lunak menggunakan metode Waterfall dengan PHP-MySQL sebagai bahasa pemrograman yang digunakan dan Pengujian Aplikasi Black Box Testing.]]>
