Journal of Artificial Intelligence and Engineering Applications (JAIEA)
Vol. 6 No. 1 (2026): October 2026

Comparison of Decision Tree and Random Forest Algorithms for Diabetes Classification

Betharya Ester Lina Tampubolon (Department of Computer Science, Faculty of Mathematics and Natural Sciences, HKBP Nommensen University, Pematangsiantar, Indonesia)
Alde William Limbong (Unknown)
Wulan Liviana Simbolon (Unknown)
Saudurma Sidabutar (Unknown)
Febi Sitohang (Unknown)



Article Info

Publish Date
15 Oct 2026

Abstract

Diabetes merupakan salah satu penyakit kronis yang paling umum di seluruh dunia, dengan jumlah penderita yang terus meningkat setiap tahunnya. Perkembangan pesat Machine Learning telah menyediakan pendekatan efektif untuk meningkatkan akurasi klasifikasi diabetes. Studi ini bertujuan untuk membandingkan kinerja algoritma Decision Tree dan Random Forest dalam mengklasifikasikan diabetes menggunakan Dataset Diabetes Suku Indian Pima. Dataset ini terdiri dari 768 catatan pasien dengan delapan atribut prediktor dan satu atribut target. Metodologi penelitian meliputi pra-pemrosesan data, pembagian dataset menjadi set pelatihan dan pengujian, pengembangan model, dan evaluasi kinerja menggunakan matriks kebingungan, akurasi, presisi, recall, dan F1-score. Hasil eksperimen diharapkan dapat mengidentifikasi algoritma dengan kinerja klasifikasi terbaik dan memberikan referensi berharga untuk menerapkan teknik Machine Learning di sektor kesehatan.

Copyrights © 2026






Journal Info

Abbrev

JAIEA

Publisher

Subject

Automotive Engineering Computer Science & IT Control & Systems Engineering

Description

The Journal of Artificial Intelligence and Engineering Applications (JAIEA) is a peer-reviewed journal. The JAIEA welcomes papers on broad aspects of Artificial Intelligence and Engineering which is an always hot topic to study, but not limited to, cognition and AI applications, engineering ...