Klasifikasi Penyakit Paru-Paru Menggunakan Algoritma Decision Tree Studi Kasus Pada Data Medis

Alviatur Rizqiyah
Zaehol Fatah

"JAMASTIKA" Jurnal Mahasiswa Teknik Informatika
Vol. 4 No. 2 (2025): Volume 4 Nomor 2 Oktober 2025

Penyakit paru-paru dan paru-paru adalah salah satu masalah kesehatan yang penting, dan membutuhkan diagnosis yang cepat dan tepat agar bisa membantu dokter dalam mengambil keputusan. Tujuan penelitian ini adalah untuk membuat sistem yang menggunakan Decision Tree untuk mengklasifikasikan penyakit paru-paru, yang merupakan pendekatan yang mudah dipahami dan efisien. Data yang digunakan berasal dari sumber terbuka dan telah diproses terlebih dahulu, yaitu membersihkan data, normalisasi, dan memilih fitur dengan metode Chi-Square. Alasan memilih Decision Tree adalah karena kemampuannya dalam membuat model yang bisa dijelaskan oleh para dokter dan mampu menangani berbagai jenis data. Hasil uji coba menunjukkan bahwa model ini mampu mengenali jenis penyakit paru-paru dengan tingkat akurasi yang baik, serta menampilkan gambar pohon keputusan yang membuat proses diagnosis lebih transparan. Penelitian ini menunjukkan kemungkinan menggunakan Decision Tree sebagai alat bantu dalam sistem bantuan keputusan medis, khususnya dalam klasifikasi penyakit paru-paru, dan membuka peluang untuk dikembangkan lebih lanjut dengan sistem berbasis kecerdasan buatan di bidang kesehatan. Kata Kunci: Penyakit Paru-paru, Algorima Decision Tree, Klasifikasi Medis, Seleksi Fitur, Sistem Pendukung Keputusan.   Lung disease is one of the significant health problems and requires rapid and accurate diagnosis to assist doctors in decision-making. This study aims to develop a system that can classify lung diseases using the Decision Tree method, which is an easily understandable and efficient approach. The data used comes from open sources and has been preprocessed, including data cleaning, normalization, and feature selection using the Chi-Square method. The reason for choosing Decision Tree is its ability to create models that can be explained to doctors and handle various types of data. The experimental results show that this model can accurately recognize types of lung diseases and display a decision tree diagram, making the diagnosis process more transparent. This research demonstrates the potential use of a Decision Tree as an aid in medical decision support systems, particularly in classifying lung diseases, and opens up opportunities for further development with artificial intelligence-based systems in the healthcare field. Keyword: Lung Disease, Decision Tree Algorithm, Medical Classification, Feature Selection, Decision Support System.