<![CDATA[Hepatitis merupakan penyakit peradangan hati yang dapat berakibat fatal apabila tidak terdeteksi dan ditangani sejak dini. Salah satu jenis yang berbahaya adalah hepatitis C, yang kerap tidak menunjukan gejala jelas di awal infeksi. Penelitian ini bertujuan membangun model klasifikasi untuk memprediksi kondisi pasien hepatitis menggunakan algoritma Decision Tree tipe C4.5. Data yang digunakan merupakan data klinis pasien hepatotos sebanyak 155 entri dari platform Kaggle, dengan atribus seperti usia, jenis kelamin, penggunaan obat, serta gejala klinis. Proses penelitian mencakup preprocessing data, pelatihan model, evaluasi performa menggunakan akurasi, precision, recall, dan visualisasi pohon Keputusan dengan bantuan perangkat lunak Rapidminer. Hasil pengujian menunjukan bahwa model memberikan akurasi terbaik sebesar 80,65% pada proposi pembagian data 80:20, dengan precision sebesar 91,30% untuk kelas “Live” dan recall sebesar 66,67% untuk kelas “Die”. Visualisasi pohon Keputusan menghasilkan model yang dapat diinterprestasikan dengan mudah, menjadikan metode ini potensial sebagai system pendukung Keputusan dalam klasifikasi risiko pasien hepatitis. Penelitian ini diharapkan dapat membantu tenaga medis maupun Masyarakat dalam memahami kondisi Kesehatan secara lebih informatif dan objektif.]]>
Copyrights © 2026
