1124 1 9613 1 10 20170829 PDF

Jurnal Pengembangan Teknologi Informasi dan Ilmu Komputer e-ISSN: 2548-964X
Vol. 2, No. 3, Maret 2018, hlm. 1275-1282 http://j-ptiik.ub.ac.id
Klasifikasi Penyakit Typhoid Fever (TF) dan Dengue Haemorhagic Fever

(DHF) dengan Menerapkan Algoritma Decision Tree C4.5
(Studi Kasus : Rumah Sakit Wilujeng Kediri)
Ulva Febriana1, M. Tanzil Furqon2, Bayu Rahayudi3
Program Studi Teknik Informatika, Fakultas Ilmu Komputer, Universitas Brawijaya
Email: 1ulvafebri13@gmail.com, 2m.tanzil.furqon@gmail.com, 3ubay1@ub.ac.id
Abstrak
Demam merupakan naiknya suhu tubuh yang lebih tinggi dari biasanya. Demam itu bukanlah penyakit,
melainkan awal gejala seseorang terkena penyakit. Ada banyak penyakit yang disebabkan oleh demam,
contohnya seperti Typhoid Fever dan Dengue Haemorragic Fever. Kedua penyakit tersebut apabila
diamati secara klinis akan sulit membedakannya. Karena kedua penyakit itu hampir memiliki gejala-
gejala yang sama dan apabila terjadi kesalahan dalam mendiagnosisnya akan menyebabkan hal yang
fatal pada pasien. Penyakit Typhoid Fever merupakan demam yang disebabkan oleh bakteri Salmonella
Typhi yang menyebar ke seluruh tubuh dan Dengue Haemorragic Fever penyakit demam yang
disebabkan oleh gigitan nyamuk Aedes Aegypti. Untuk mengatasi hal tersebut, maka dibuatlah sistem
klasifikasi diagnosa penyakit Typhoid Fever dan Dengue Haemorragic Fever berdasar pada gejala-
gejala yang dimiliki oleh pasien dengan menerapkan algoritma desicion tree C4.5. Akurasi yang
diperoleh sistem klasifikasi penyakit Typhoid Fever (TF) dan Dengue Haemorhagic Fever (DHF)
dengan dilakukan pengujian k-folds cross validation didapatkan nilai rata-rata akurasi tertinggi pada 5-
fold cross validation dengan akurasi sebesar 91,875% yang menggunakan data uji sebanyak 32 data dan
data latih sebanyak 128 data. Hasil uji coba ke-4 pada pengujian 5-fold cross validation ini menghasilkan
akurasi tertinggi yaitu sebesar 97%. Sedangkan analisis dengan melakukan pengujian 16-fold cross
validation dari data uji sejumlah 10 data dan data latih sejumlah 150 data, didapatkan hasil nilai uji coba
sebesar 100% pada uji coba ke-2, ke-3, ke-4, ke-6, ke-9, ke-11, ke-12 dan ke-16. Walaupun nilai akurasi
100% yang didapatkan pada pengujian ini jumlahnya ada banyak, rata-rata akurasi pada pengujian 16-
fold cross validation ini masih dibawah nilai rata-rata akurasi yang didapat dengan pengujian 5-fold
cross validation.
Kata Kunci : Demam, Typhoid Fever, Dengue Haemorragic Fever, C4.5
Abstract
Fever is a rise in body temperature is higher than usual. Fever is not a disease, but the initial symptoms
of a person affected by the disease. There are many diseases caused by fever, such as Typhoid Fever
and Dengue Haemorragic Fever. Both diseases when observed clinically will be difficult to distinguish
them. Because the two diseases almost have the same symptoms and if there is an error in diagnosing it
will cause a fatal thing in the patient. Typhoid Fever disease is a fever caused by Salmonella Typhi
bacteria that spread throughout the body and Haemorragic Fever Dengue fever caused by Aedes
Aegypti mosquito bites. To overcome this, then made a classification system of disease diagnosis
Typhoid Fever and Dengue Haemorragic Fever based on symptoms possessed by patients by applying
desicion tree algorithm C4.5. Accuracy obtained by Typhoid Fever (TF) and Dengue Haemorhagic
Fever (DHF) classification system by k-folds cross validation test showed the highest accuracy value
on 5-fold cross validation with accuracy of 91,875% using 32 data test and Training data of 128 data.
The results of the 4th test on 5-fold cross validation test resulted in the highest accuracy of 97%. While
the analysis by conducting 16-fold cross validation test of the test data of 10 data and training data of
150 data, obtained the result of the test value of 100% on the 2nd, 3rd, 4th, 6th, The 9th, the 11th, the
12th and the 16th. Although the 100% accuracy value obtained in this test is numerous, the average
accuracy of the 16-fold cross validation test is still below the average score of accuracy obtained by
testing 5-fold cross validation.
Keywords: Fever, Typhoid Fever, Haemorragic Fever Dengue, C4.5.
Fakultas Ilmu Komputer

Universitas Brawijaya 1275
Jurnal Pengembangan Teknologi Informasi dan Ilmu Komputer 1276
dalam kategori penyakit Typhoid Fever (TF)

1. PENDAHULUAN
atau justru masuk dalam kategori penyakit
Demam merupakan naiknya suhu tubuh Dengue Haemorhagic Fever (DHF).
menjadi lebih tinggi daripada biasanya. Suhu
Klasifikasi merupakan suatu proses dalam
tubuh normal manusia berada pada titik 37 oC,
kecerdasan buatan yang menyatakan suatu objek
jika suhu tubuh menunjukkan lebih dari angka
ke salah satu kategori yang sudah didefinisikan
tersebut menunjukkan adanya demam yang
sebelumnya (Bertalya, 2009). Klasifikasi dalam
disebabkan oleh infeksi (Purwoko, 2005).
penelitian ini dilakukan dengan menerapkan
Demam bukanlah suatu penyakit, melainkan
algoritma decision tree C4.5 dengan
awal gejala seseorang terserang penyakit.
mengoptimalkan atribut-atribut yang berasal
Beberapa penyakit tersebut antara lain seperti
dari dataset yang terpercaya.
Pneumonia, Malaria, Meningitis, Infeksi Saluran
Kemih, Tifus, bahkan penyakit yang lebih Pada penelitian sebelumnya yang dilakukan
berbahaya seperti Demam Berdarah. Ada oleh (Adeyemo & Adeyeye, 2015) meneliti
beberapa penyakit yang apabila diamati secara tentang prediksi penyakit tifus dengan
klinis akan sulit membedakan diagnosisnya. Dan menerapkan algoritma ID3, C4.5 dan MLP ke
apabila salah dalam mendiagnosis penyakit yang dalam penelitiannya, masukkan dari sistem
diderita maka akan menyebabkan fatal pada tersebut terdiri dari beberapa atribut antara lain :
pasien. Contohnya dalam mendiagnosis umur, jenis kelamin, nyeri perut, sakit kepala,
penyakit Typhoid Fever (TF) dan Dengue pusing, batuk, demam, muntah, kehilangan
Haemorhagic Fever (DHF), karena penyakit selera makan dan keluaran sistem berupa
tersebut memiliki gejala-gejala yang hampir diagnosis penyakitnya. Algoritma MLP ternyata
sama sehingga akan merasa sulit dalam memiliki akurasi lebih tinggi dibandingkan
membedakannya (Judarwanto, 2009). dengan dua algoritma lainnya, yaiu sebesar
Penyakit Typhoid Fever (TF) atau 83,6299%, tetapi dalam kecepatan dalam
masyarakat awam mengenalnya dengan tifus melatih data algoritma C4.5 lebih baik dengan
ialah penyakit demam karena adanya infeksi hanya 0,01 detik.
bakteri Salmonella Typhi yang menyebar ke
Selanjutnya, penelitian yang dilakukan oleh
seluruh tubuh. Gejala penyakit ini berkembang
(Hartanto & Hansun, 2014) menerapkan data
selama satu sampai dua minggu setelah seorang
mining dengan algoritma C4.5 untuk prediksi
pasien terinfeksi oleh bakteri tersebut. Gejala
tingkat kelulusan mahasiswa dengan 4 kategori
umum yang terjadi pada penyakit tifus
yang berupa lulus cepat, lulus tepat, lulus
mencakup suhu tubuh yang tinggi mencapai
terlambat, dan drop out. Atribut yang
39oC-40oC, sakit kepala, nyeri pada otot, sakit
berpengaruh dalam hasil prediksinya yaitu IPS
perut, hilangnya nafsu makan, kelelahan dan
semester enam. Akurasi yang dihasilkan dari
lidah kotor (Yahya, 2008). Sedangkan, Dengue
sistem ini sebesar 87,5% dari data training
Haemorhagic Fever (DHF) merupakan penyakit
sebanyak 60 dan 40 data testing.
yang disebabkan oleh virus Dengue yang
ditularkan melalui gigitan nyamuk Aedes Berdasarkan penelitian yang sudah
Aegypti. Gejala awal penyakit DHF antara lain dilakukan diatas, maka dalam penelitian ini
demam tinggi yang berlangsung sepanjang hari dirancanglah sebuah sistem klasifikasi gejala
selama 2-7 hari, manifestasi pendarahan, trobosit penyakit Typhoid Fever (TF) atau Dengue
yang turun secara terus menerus, Haemorhagic Fever (DHF) dengan menerapkan
hemokonsentrasi, pembesaran hati, nyeri otot, metode decision tree C4.5 untuk mendiagnosa
mual dan muntah, dan diare (Depkes, 2015). jenis penyakit yang diderita oleh pasien di suatu
Dengan adanya permasalah tersebut, maka rumah sakit. Sistem ini diharapkan dapat
dibuatlah suatu perangkat lunak yang digunakan membantu dokter dan tenaga medis dalam
untuk mengklasifikasikan seorang pasien melakukan diagnosis penyakit berdasarkan
tersebut masuk dalam kategori terkena penyakit gejala-gejala yang dimasukkan dan penerapan
Typhoid Fever (TF) atau Dengue Haemorhagic metode decision tree C4.5 dapat memberikan
Fever (DHF), berdasarkan gejala-gejala yang hasil yang maksimal dalam diagnosa serta
diderita oleh pasien pada suatu rumah sakit. memiliki keakuratan yang tinggi.
Dengan adanya pengelompokkan akan
mempermudah manajemen pengawasan 2. DASAR TEORI
penyakit untuk melihat penyakit tersebut masuk
Fakultas Ilmu Komputer, Universitas Brawijaya

2.1 Decision tree C4.5 keakuratan sebuah model yang dibangun

berdasarkan dataset tertentu. Salah satu teknik
Algoritma C4.5 merupakan sebuah metode
cross validation yang populer yaitu k-fold cross
yang digunakan untuk klasifikasi yang bersifat
validation. Dalam teknik k-fold cross validation,
prediktif. Pembentukan decision tree (pohon
dataset dibagi menjadi sejumlah K-buah partisi
keputusan) merupakan dasar dari algoritma C4.5
secara acak. Kemudian dilakukan sejumlah K-
ini, cabang-cabang pohon merupakan
kali uji coba, dimana masing-masing uji coba
pertanyaan klasifikasi dan daunnya merupakan
tersebut menggunakan data partisi ke-K sebagai
kelas-kelas. Dalam pembangunan pohon
data uji dan sisa partisi lainnya sebagai data latih
keputusan dibutuhkan beberapa tahapan yaitu
(Wihardi, 2013). Untuk mendapatkan nilai
dengan memilih atribut sebagai akar, membuat
akurasi pada pengujian k-fold cross validation
cabang pada masing-masing nilai, membagi
menggunakan persamaan 2.3 berikut ini :
kasus dalam cabang dan mengulangi proses
dataujibenar
untuk masing-masing cabang sampai semua Akurasi   100% (3)
kasus pada cabang memiliki kelas yang sama. jumlahdatauji
Berikut adalah tahap-tahap perhitungan dan untuk mendapatkan nilai rata-rata hasil tiap
algoritma C4.5 (Suwondo, Asmarajati, & uji coba dapat menggunakan persamaan 2.4
Surahman, 2013) :
1. Menyiapkan data training. Rata  rata 
 akurasi  100% (4)
2. Menghitung nilai index Entropy terlebih  ujicoba
dahulu dengan persamaan 2.1
n 2.3 Dengue Haemorhagic Fever (DHF)
Entropy ( S )    pi  log 2 pi (1)
i 1
Demam Berdarah atau bahasa ilmiahnya
disebut dengan Dengue Haemorhagic Fever
Keterangan :
merupakan penyakit virus dengue yang
S = himpunan kasus
disebabkan oleh gigitan nyamuk Aedes Aegypti.
n = jumlah partisi S
Nyamuk Aedes Aegypti hidup didaerah yang
pi = proporsi dari Si terhadap S
mempunyai iklim tropis dengan suhu yang
lembab. Nyamuk ini mempunyai ciri-ciri tubuh
3. Menghitung gain, untuk menetapkan atribut
hitam dengan belang putih pada kakinya. Gejala
sebagai akar dengan menghitung nilai gain
penderita penyakit ini sekarang tidak terduga
tertinggi dari semua atribut yang ada
dan seringkali disepelekan oleh masyarakat
n Si
Gain( S , A)  Entropy( S )    Entropy( S i ) awam. Gejala-gejala penyakit Dengue
i 1 |S| Haemorhagic Fever sebagai berikut :
(2) 1. Mendadak demam tinggi (lebih dari 38 oC)
Keterangan : yang berlangsung secara terus menerus
S = himpunan kasus selama 2 sampai 7 hari
A = atribut 2. Terdapat bintik-bintik merah pada kulit
n = jumlah partisi atribut A 3. Terasa mual, muntah dan kepala pusing
|Si| = jumlah kasus pada partisi ke-i 4. Nyeri ulu hati
|S| = jumlah kasus dalam S 5. Trombosit yang turun terus menerus
6. Diare
4. Ulangi langkah kedua sampai semua record Maka diperlukan adanya pemberantasan
terpartisi, dan proses partisi akan berhenti pada nyamuk penularnya, pemberantasan
saat semua record dalam simpul N tersebut dilakukan dengan cara fogging atau
mendapat kelas yang sama, tidak ada atribut pengasapan pada tiap rumah agar nyamus aedes
didalam record yang dipartisi lagi, dan aegypti mati dan dapat pula dilakukan dengan
tidak ada record didalam cabang yang cara 3M yaitu Menguras, Menutup dan
kosong. Mengubur (WHO, 1998).
2.4 Typhoid Fever (TF)

2.2 Cross Validation Demam Tifoid atau Typoid Fever ialah
Cross validation merupakan salah satu penyakit infeksi akut pada saluran pencernaan
teknik untuk menilai atau memvalidasi dengan gejala yang timbul berupa demam satu
minggu atau lebih disertai adanya gangguan
pada saluran pencernaan atau tanpa gangguan mana sistem bekerja dengan memasukkan data
kesadaran (Astuti, 2013). Penyakit typoid ini gejala pasien kemudian data diproses dengan
mempunyai hubungan erat dengan lingkungan metode decision tree C4.5, Langkah pertama
terutama pada lingkungan yang penyediaan air yaitu dengan menghitung nilai entropy dengan
minumnya tidak memenuhi syarat kesehatan dan persamaan (1) kemudian akan dihitung nilai gain
sanitasi yang buruk pada lingkungan. Faktor- dengan persamaan (2) dan didapatkan tree dalam
faktor yang mempengaruhi penyakit typoid bentuk rule. Keluaran yang dihasilkan sistem
tersebar yaitu polusi udara, sanitasi umum, berupa jenis penyakit yang diderita oleh pasien.
kualitas air temperatur, kepadatan penduduk,
kemiskinan dan lain-lain (Harahap, 2011).
Gejala-gejala yang muncul pada penyakit ini
(Widodo, 2006) sebagai berikut :
1. Demam
2. Sakit kepala
3. Mual, muntah
4. Diare
5. Tidak nafsu makan
6. Lemas
7. Lidah kotor
3. METODOLOGI PENELITIAN
Gambar 1 dibawah ini merupakan langkah-
langkah sistem :
Gambar 2. Perancangan Sistem
5. IMPLEMENTASI SISTEM
Pada bab implementasi sistem membahas
mengenai implementasi dari perancangan yang
sebelumnya dibuat. Implementasi dari sistem ini
berupa spesifikasi dari perangkat keras dan
lunak, batasan implementasi, implementasi
algoritma dan implementasi antarmuka system.
Spesifikasi sistem terdiri dari spesifikasi
perangkat keras dan spesifikasi perangkat lunak
yang digunakan dalam membangun sistem.
Sedangkan implementasi antarmuka terdiri dari
halaman-halaman dari sistem yang telah dibuat.
Gambar 1. Metodologi Penelitian
Pada studi literatur membahas teori-teori yang 5.1 Rule yang terbentuk
berkaitan untuk penelitian, Selanjutnya analisis Berikut adalah rule yang terbentuk dari 160
kebutuhan untuk menganalisa kebutuhan- dataset yang digunakan :
kebutuhan apa saja yang dibutuhkan untuk 1. IF atribut trombosit=normal AND atribut
membangun sistem. Kebutuhan sistem meliputi lidah kotor=berat THEN kategori penyakit
kebutuhan hardware, kebutuhan software dan Thypoid Fever.
kebutuhan data. Pada proses pengumpulan data, 2. IF atribut trombosit=normal AND atribut
data penelitian didapatkan di Rumah Sakit lidah kotor=tidak ada AND atribut mual
Wilujeng Kediri, yang meliputi penyakit muntah=ya THEN kategori penyakit
Thypoid Fever (TF) dan Dengue Haemorragic Thypoid Fever.
Fever (DHF). 3. IF atribut trombosit=normal AND atribut
lidah kotor=tidak ada AND atribut mual
4. PERANCANGAN SISTEM muntah=tidak AND atribut sakit kepala=ya
Arsitektur perancangan sistem yang akan THEN kategori penyakit Thypoid Fever.
dibangun seperti Gambar 2 di bawah ini yang

4. IF atribut trombosit=normal AND atribut hati=tidak THEN kategori penyakit Thypoid

lidah kotor=tidak ada AND atribut mual Fever.
muntah=tidak AND atribut sakit 13. IF atribut trombosit=sedang AND atribut
kepala=tidak THEN kategori penyakit bintik merah=tidak ada AND atribut lidah
LAIN. kotor=tidak ada AND atribut diare=ya AND
5. IF atribut trombosit=sedang AND atribut atribut mual muntah=tidak AND atribut
bintik merah=ada THEN kategori penyakit sakit kepala=ya THEN kategori penyakit
Dengue Haemorragic Fever. Dengue Haemorragic Fever.
6. IF atribut trombosit=sedang AND atribut 14. IF atribut trombosit=sedang AND atribut
bintik merah=tidak ada AND atribut lidah bintik merah=tidak ada AND atribut lidah
kotor=berat THEN kategori penyakit kotor=tidak ada AND atribut diare=ya AND
Thypoid Fever. atribut mual muntah=tidak AND atribut
7. IF atribut trombosit=sedang AND atribut sakit kepala=tidak AND atribut nyeri ulu
bintik merah=tidak ada AND atribut lidah hati=ya AND atribut lemas=ya THEN
kotor=tidak ada AND atribut diare=ya AND kategori penyakit Dengue Haemorragic
atribut mual muntah=ya AND atribut tidak Fever.
nafsu makan=ya AND atribut sakit 15. IF atribut trombosit=sedang AND atribut
kepala=ya THEN kategori penyakit Thypoid bintik merah=tidak ada AND atribut lidah
Fever. kotor=tidak ada AND atribut diare=ya AND
bintik merah=tidak ada AND atribut lidah sakit kepala=tidak AND atribut nyeri ulu
kotor=tidak ada AND atribut diare=ya AND hati=ya AND atribut lemas=tidak THEN
atribut mual muntah=ya AND atribut tidak kategori penyakit Thypoid Fever.
kepala=tidak AND atribut lemas=ya THEN bintik merah=tidak ada AND atribut lidah
kategori penyakit Thypoid Fever. kotor=tidak ada AND atribut diare=ya AND
bintik merah=tidak ada AND atribut lidah sakit kepala=tidak AND atribut nyeri ulu
kotor=tidak ada AND atribut diare=ya AND hati=tidak THEN kategori penyakit Thypoid
atribut mual muntah=ya AND atribut tidak Fever.
kepala=tidak AND atribut lemas=tidak bintik merah=tidak ada AND atribut lidah
AND atribut demam=<5 THEN kategori kotor=tidak ada AND atribut diare=tidak
penyakit Thypoid Fever. AND atribut tidak nafsu makan=tidak
10. IF atribut trombosit=sedang AND atribut THEN kategori penyakit Thypoid Fever.
bintik merah=tidak ada AND atribut lidah 18. IF atribut trombosit=sedang AND atribut
kotor=tidak ada AND atribut diare=ya AND bintik merah=tidak ada AND atribut lidah
atribut mual muntah=ya AND atribut tidak kotor=tidak ada AND atribut diare=tidak
nafsu makan=ya AND atribut sakit AND atribut tidak nafsu makan=ya AND
kepala=tidak AND atribut lemas=tidak atribut sakit kepala=ya AND atribut nyeri
AND atribut demam= >=6 THEN kategori ulu hati=ya AND atribut lemas=ya AND
penyakit Dengue Haemorragic Fever. atribut demam=<5 THEN kategori penyakit
11. IF atribut trombosit=sedang AND atribut Dengue Haemorragic Fever.
bintik merah=tidak ada AND atribut lidah 19. IF atribut trombosit=sedang AND atribut
kotor=tidak ada AND atribut diare=ya AND bintik merah=tidak ada AND atribut lidah
atribut mual muntah=ya AND atribut tidak kotor=tidak ada AND atribut diare=tidak
nafsu makan=tidak AND atribut nyeri ulu AND atribut tidak nafsu makan=ya AND
hati=ya THEN kategori penyakit Dengue atribut sakit kepala=ya AND atribut nyeri
Haemorragic Fever. ulu hati=ya AND atribut lemas=ya AND
12. IF atribut trombosit=sedang AND atribut atribut demam= >=6 THEN kategori
bintik merah=tidak ada AND atribut lidah penyakit Thypoid Fever.
kotor=tidak ada AND atribut diare=ya AND 20. IF atribut trombosit=sedang AND atribut
atribut mual muntah=ya AND atribut tidak bintik merah=tidak ada AND atribut lidah
nafsu makan=tidak AND atribut nyeri ulu kotor=tidak ada AND atribut diare=tidak
AND atribut tidak nafsu makan=ya AND

atribut sakit kepala=ya AND atribut nyeri 2 32 128 88%

ulu hati=ya AND atribut lemas=tidak THEN
3 32 128 94%
kategori penyakit Thypoid Fever.
21. IF atribut trombosit=sedang AND atribut 4 32 128 97%
bintik merah=tidak ada AND atribut lidah 5 32 128 91%
kotor=tidak ada AND atribut diare=tidak RATA-RATA AKURASI 91,875%
AND atribut tidak nafsu makan=ya AND 1 20 140 85%
atribut sakit kepala=ya AND atribut nyeri
2 20 140 90%
ulu hati=tidak THEN kategori penyakit
Thypoid Fever. 3 20 140 90%
22. IF atribut trombosit=sedang AND atribut 4 20 140 90%
bintik merah=tidak ada AND atribut lidah 5 20 140 95%
kotor=tidak ada AND atribut diare=tidak
6 20 140 100%
AND atribut tidak nafsu makan=ya AND
atribut sakit kepala=tidak THEN kategori 7 20 140 80%
penyakit LAIN. 8 20 140 95%
23. IF atribut trombosit=rendah THEN kategori 8 RATA-RATA AKURASI 90,625%
penyakit Dengue Haemorragic Fever. 1 16 144 69%
2 16 144 94%
6. PENGUJIAN DAN ANALISIS
3 16 144 88%
Pada bab pengujian dan analisis membahas
4 16 144 94%
mengenai pengujian dan analisa terhadap sistem
klasifikasi penyakit penyakit Typhoid Fever 5 16 144 94%
(TF) dan Dengue Haemorhagic Fever (DHF) 6 16 144 94%
dengan menggunakan metode decision tree 7 16 144 100%
C4.5. Pengujian pada sistem ini akan dilakukan
8 16 144 94%
dengan menggunakan k-fold cross validation.
Dalam pengujian ini dataset dibagi menjadi K- 9 16 144 81%
buah partisi kemudian dilakukan sebanyak K- 10 16 144 94%
kali percobaan, dimana disetiap percobaan 10 RATA-RATA AKURASI 90%
menggunakan data partisi ke-K sebagai data uji
1 10 150 70%
dan sisa data lainnya sebagai data latih.
2 10 150 100%
6.1 Hasil pengujian k-fold cross validation 3 10 150 100%
Pengujian sistem ini menggunakan k-fold 4 10 150 100%

cross validation, yaitu dengan melakukan uji 5 10 150 80%
coba dengan menggunakan 2-fold, 5-fold, 8-fold, 6 10 150 100%
10-fold dan 16-fold Dalam pengujian ini dataset 7 10 150 90%
dibagi menjadi K-buah partisi kemudian
8 10 150 90%
dilakukan sebanyak K-kali percobaan, dimana
disetiap percobaan menggunakan data partisi ke- 9 10 150 100%
K sebagai data uji dan sisa data lainnya sebagai 10 10 150 90%
data latih. Hasil pengujian k-fold cross 11 10 150 100%
validation dapat dilihat pada Tabel 1 berikut.
12 10 150 100%
Tabel 1. Hasil Pengujian k-fold cross validation 13 10 150 80%
UJI JUMLAH DATA 14 10 150 70%

K- COBA DATA DATA AKURA 15 10 150 90%
FOLD KE- UJI LATIH SI (%)
16 10 150 100%
1 80 80 88%
16 RATA-RATA AKURASI 91,250%
2 80 80 93%
2 RATA-RATA AKURASI 90% Representasi grafik pada Tabel 1 hasil
5 1 32 128 91% pengujian k-fold cross validation dapat dilihat

pada Gambar 3. ke-11, ke-12 dan ke-16. Walaupun nilai akurasi

100% yang didapatkan pada pengujian ini
jumlahnya ada banyak, rata-rata akurasi pada
pengujian 16-fold cross validation ini masih
dibawah nilai rata-rata akurasi yang didapat
dengan pengujian 5-fold cross validation. Jadi,
pengujian yang optimal terjadi ketika
menggunakan 5-fold cross validation.
7. KESIMPULAN
Berdasarkan hasil penelitian tentang
klasifikasi penyakit Typhoid Fever (TF) dan
Dengue Haemorhagic Fever (DHF) dengan
menerapkan algoritma decision tree C4.5 dapat
Gambar 3. Grafik Pengujian k-fold cross
disimpulkan bahwa :
validation
1. Algoritma decision tree C4.5 dapat
diterapkan dalam proses klasifikasi
6.2 Analisis hasil pengujian k-fold cross
penyakit Typhoid Fever (TF) dan Dengue
validation
Haemorhagic Fever (DHF) dimana
Pada pengujian dengan menggunakan k- dilakukan beberapa tahapan proses
fold cross validation dengan melalukan beberapa pembentukan decision tree yaitu dengan
kali uji dengan nilai k yang berbeda didapatkan menghitung nilai entropy dan gain.
nilai rata-rata akurasi tertinggi pada 5-fold cross 2. Akurasi yang diperoleh sistem klasifikasi
validation dengan akurasi sebesar 91,875% yang penyakit Typhoid Fever (TF) dan Dengue
menggunakan data uji sebanyak 32 data dan data Haemorhagic Fever (DHF) dengan
latih sebanyak 128 data. Hasil uji coba ke-4 pada dilakukan pengujian k-folds cross
pengujian 5-fold cross validation ini validation didapatkan nilai rata-rata
menghasilkan akurasi tertinggi yaitu sebesar akurasi tertinggi pada 5-fold dengan
97%. akurasi sebesar 91,875% yang
Saat uji coba k-fold cross validation dengan menggunakan data uji sebanyak 32 data
menggunakan data uji dan data latih berjumlah dan data latih sebanyak 128 data.
sama yaitu pada percobaan 2-fold cross Sedangkan analisis dengan melakukan
validation mendapatkan hasil akurasi yang pengujian 16-fold cross validation dari
berbeda, karena setiap data latih pada setiap uji data uji sejumlah 10 data dan data latih
coba mempunyai data latih yang berbeda-beda. sejumlah 150 data, didapatkan hasil nilai
Untuk analisis dengan uji coba dengan uji coba sebesar 100% pada uji coba ke-2,
menggunakan 8-fold cross validation pada uji ke-3, ke-4, ke-6, ke-9, ke-11, ke-12 dan
coba ke-2, ke-3 dan ke-4 menghasilkan akurasi ke-16. Walaupun nilai akurasi 100% yang
sama yaitu sebesar 90%, menghasilkan nilai didapatkan pada pengujian ini jumlahnya
akurasi sebesar 95% yang sama pada uji coba ke- ada banyak, rata-rata akurasi pada
5 dan ke-8 dan menghasilkan akurasi 100% pada pengujian 16-fold cross validation ini
uji coba ke-6, uji coba dari 8-fold cross masih dibawah nilai rata-rata akurasi yang
validation ini memakai data uji berjumlah 20 didapat dengan pengujian 5-fold cross
data dan data latih sejumlah 140 data. validation. Jadi, pengujian yang optimal
Analisis untuk pengujian 10-fold cross terjadi ketika menggunakan 5-fold cross
validation menghasilkan akurasi 100% pada uji validation.
coba ke-7, artinya pada uji coba tersebut hasil
dari data uji sama dengan data latih, pada 8. DAFTAR PUSTAKA
pengujian ini menggunakan data latih berjumlah
Adeyemo, & Adeyeye. (2015). Comparative
144 data dan data uji sebanyak 16 data.
Study of ID3/C4.5 Desicion Tree and
Sedangkan analisis dengan melakukan
Multiplayer Peceptron Algorithms for
pengujian 16-fold cross validation dari data uji
the Prediction of Typhoid Fever. African
sejumlah 10 data dan data latih sejumlah 150
Journal of Computing & ICT : IEEE.
data, didapatkan hasil nilai uji coba sebesar
100% pada uji coba ke-2, ke-3, ke-4, ke-6, ke-9,
Astuti, O. (2013). Demam Tifoid. Fakultas https://www.jevuska.com/2008/05/10/d

Kedokteran Universitas emam-tifoid-typhoid-fever/
Muhammadiyah Surakarta.
Bertalya. (2009). Konsep Data Mining :
Klasifikasi Pohon Keputusan.
Universitas Gunadarma.
Depkes. (2015, Januari 8). Demam Berdarah
Biasanya Mulai Meningkat di Januari.
Diambil kembali dari depkes.go.id:
http://www.depkes.go.id/article/view/1
5011700003/demam-berdarah-
biasanya-mulai-meningkat-di-
januari.html
Harahap, N. (2011). Karakteristik Penderita
Demam Typoid Rawat Inap . RSUD Deli
Serdang Lubuk Pakam.
Hartanto, D., & Hansun, S. (2014).
Implementasi Data Mining dengan
Algoritma C4.5 untuk Memprediksi
Tingkat Kelulusan Mahasiswa. ISSN
2085-4552.
Judarwanto, W. (2009, Februari 19). Demam
Yang Dapat Mengancam Jiwa. Diambil
kembali dari infodemam.com:
https://infodemam.com/2009/02/19/de
mam-yang-dapat-mengancam-jiwa/
Purwoko, S. (2005). Pertolongan Pertama
Untuk Anak. Jakarta: PT Gramedia
Pustaka Utama.
Suwondo, A., Asmarajati, D., & Surahman, H.
(2013). ALGORITMA C4.5
BERBASIS ADABOOST UNTUK
PREDIKSI PENYAKIT JANTUNG
KORONER. Prosiding Seminar
Nasional Teknologi dan Teknopreneur
(SNTT).
WHO. (1998). Demam Berdarah Dengue,
Diagnosis, Pengobatan, Pencegahan
dan Pengendalian. Jakarta: EGC.
Widodo, J. (2006). Demam Tifoid, Buku Ajar
Ilmu Penyakit Dalam. Jakarta: Pusat
Penerbitan Departemen Ilmu Penyakit
Dalam FKUI.
Wihardi, Y. (2013, April 2). K-Fold Cross
Validation. Diambil kembali dari
http://blog.yayaw.web.id/riset/k-folds-
cross-validation
Yahya, R. C. (2008, Mei 10). jevuska.com.
Diambil kembali dari JEVUSKA:

1124 1 9613 1 10 20170829 PDF

Diunggah oleh

Informasi Dokumen

Judul Asli

Hak Cipta

Format Tersedia

Bagikan dokumen Ini

Bagikan atau Tanam Dokumen

Opsi Berbagi

Apakah menurut Anda dokumen ini bermanfaat?

Apakah konten ini tidak pantas?

Hak Cipta:

Format Tersedia

1124 1 9613 1 10 20170829 PDF

Diunggah oleh

Hak Cipta:

Format Tersedia

Jurnal Pengembangan Teknologi Informasi dan Ilmu Komputer e-ISSN: 2548-964X

Vol. 2, No. 3, Maret 2018, hlm. 1275-1282 http://j-ptiik.ub.ac.id

Klasifikasi Penyakit Typhoid Fever (TF) dan Dengue Haemorhagic Fever

Fakultas Ilmu Komputer

dalam kategori penyakit Typhoid Fever (TF)

Fakultas Ilmu Komputer, Universitas Brawijaya

2.1 Decision tree C4.5 keakuratan sebuah model yang dibangun

2.4 Typhoid Fever (TF)

Fakultas Ilmu Komputer, Universitas Brawijaya

4. IF atribut trombosit=normal AND atribut hati=tidak THEN kategori penyakit Thypoid

Fakultas Ilmu Komputer, Universitas Brawijaya

atribut sakit kepala=ya AND atribut nyeri 2 32 128 88%

Pengujian sistem ini menggunakan k-fold 4 10 150 100%

UJI JUMLAH DATA 14 10 150 70%

Fakultas Ilmu Komputer, Universitas Brawijaya

pada Gambar 3. ke-11, ke-12 dan ke-16. Walaupun nilai akurasi

Astuti, O. (2013). Demam Tifoid. Fakultas https://www.jevuska.com/2008/05/10/d

Fakultas Ilmu Komputer, Universitas Brawijaya

Anda mungkin juga menyukai