Implementasi Algoritma Decision Tree Untuk Klasifikasi Resiko Diabetes

Aisyah Putri Sabrina
Zaehol Fatah

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

Diabetes mellitus merupakan suatu kondisi yang ditandai oleh munculnya berbagai gejala akibat meningkatnya kadar gula darah (glukosa) yang disebabkan oleh kekurangan hormon insulin baik secara absolut maupun relatif. Penyakit ini berhubungan dengan gangguan metabolisme karbohidrat, protein, serta lemak yang disebabkan oleh berkurangnya sensitivitas jaringan terhadap insulin — kondisi ini dikenal sebagai resistensi insulin — atau akibat menurunnya produksi hormon insulin yang disebut defisiensi insulin. Penyakit ini tergolong berbahaya karena dapat menimbulkan berbagai komplikasi serius seperti gangguan ginjal, kerusakan penglihatan hingga kebutaan, penyakit pada kaki, serta meningkatkan risiko kematian.Indonesia sendiri menempati posisi keempat sebagai negara dengan jumlah penderita diabetes terbanyak setelah Amerika Serikat, Tiongkok, dan India. Jumlah penyandang diabetes di Indonesia diperkirakan akan mengalami peningkatan tajam hingga dua sampai tiga kali lipat pada tahun 2030 dibandingkan tahun 2000. Laporan dari World Health Organization juga menunjukkan bahwa pada tahun 2000 jumlah penderita diabetes di dunia telah mencapai 171 juta orang, dan angka tersebut diperkirakan meningkat menjadi 366 juta pada tahun 2030.Melalui pendekatan klasifikasi, berbagai pola dan hubungan tersembunyi dalam data kesehatan dapat diidentifikasi dengan lebih akurat. klasifikasi sangat penting untuk mendeteksi faktor risiko sejak dini sehingga dapat mendukung pencegahan serta perencanaan tindakan medis yang lebih tepat. Salah satu algoritma yang banyak digunakan dalam klasifikasi adalah Decision Tree, karena mampu menyajikan informasi dalam bentuk visual dan aturan yang mudah dipahami.Pada penelitian ini, pengklasifikasian dilakukan untuk mengidentifikasi faktor-faktor penyebab diabetes mellitus dengan memanfaatkan algoritma Decision Tree. Dengan mengubah data ke dalam bentuk pohon keputusan serta menghasilkan rule (aturan) klasifikasi, proses analisis menjadi lebih terstruktur dan mudah dipahami.Hasil penelitian menunjukkan bahwa metode Decision Tree mampu memberikan tingkat akurasi sebesar 79,82%. Akurasi ini membuktikan bahwa teknik klasifikasi berbasis pohon keputusan cukup efektif dalam membantu proses deteksi dini penyakit diabetes. Dengan demikian, metode ini dapat menjadi salah satu solusi pendukung pengambilan keputusan di bidang kesehatan, terutama dalam upaya pencegahan dan pengendalian diabetes mellitus.