<![CDATA[Anemia merupakan salah satu masalah kesehatan yang terjadi di berbagai negara dan telah dikenalluas oleh masyarakat. Kondisi ini dapat memberikan dampak yang signifikan terhadap kesehatan individu. Olehkarena itu, diperlukan suatu model prediksi yang mampu mendeteksi risiko anemia secara dini sehingga tindakanpencegahan dapat dilakukan lebih cepat dan tepat. Penelitian ini bertujuan untuk memanfaatkan toolsRapidMiner dalam memprediksi risiko anemia menggunakan metode Decision Tree. Data yang digunakan dalampenelitian ini merupakan data publik yang diperoleh dari Kaggle. Proses preprocessing data, pemodelan, danevaluasi dilakukan menggunakan RapidMiner. Hasil penelitian menunjukkan bahwa model Decision Tree yangdibangun mampu memprediksi risiko anemia dengan tingkat akurasi sebesar 81,66%. Faktor-faktor yang palingberpengaruh dalam prediksi risiko anemia meliputi usia, jenis kelamin, dan status gizi. Di antara faktor-faktortersebut, jenis kelamin (gender) menunjukkan pengaruh yang cukup signifikan terhadap hasil prediksi. Modelyang dihasilkan dapat digunakan sebagai alat bantu untuk mengidentifikasi individu yang memiliki risiko tinggimengalami anemia sehingga dapat dilakukan tindakan pencegahan dan penanganan yang lebih tepat gunamengurangi dampak serta prevalensi anemia.]]>
Copyrights © 2026
