STMIK Royal – AMIK Royal, hlm. 153 – 158 ISSN 2622-6510 (online)
Kisaran, Asahan, Sumut - 3 September 2018
Abstrak : tahapan memodelkan suatu informasi mengenai keputusan bahwa seseorang positif diabetes mellitus
atau negatif diabetes mellitus . data yang dikumpulkan melalui rekam medis pasien. Data diolah dan dianalisa
dari hasil laboratorium , selanjutnya data dianalisa untuk menentukan atribut atau penentu pohon keputusan.
Berdasarkan dari klasifikasi diabetes mellitus, maka dapat dilihat karakteristik dari pasien positif diabetes
mellitus dan negatif mellitus.
Kata Kunci : Algoritma C4.5, Decision Tree, Rapid Miner, Diabetes Mellitus
PENDAHULUAN METODOLOGI
( ) ( )∑
Tabel 4 Hasil Perhitungan Pencarian Node 1
( ) Sum Sum
Atribut Nilai
Dimana : (nilai) (positif)
1. S : Himpunan Kasus Medium 9 3
Umur
2. A : Atribut Old 11 9
3. n : Jumlah Partisi Atribut A
Low 7 4
4. |Si| : Jumlah Kasus Pada Partisi ke-i
Pregnant Medium 12 8
5. |S| : Jumlah Kasus dalam S
High 1 0
Node
Sementara perhitungan nilai entropy dapat 1 Low 4 0
dilihat pada persamaan berikut : 2 Glukosa high 9 8
Normal 7 4
( ) ∑ DBP
Normal 15 9
high 4 3
Dimana :
Rendah 14 11
1. S : Himpunan Kasus BMI
2. A : Atribut Normal 6 1
Seminar Nasional Royal (SENAR) 2018 ISSN 2622-9986 (cetak)
STMIK Royal – AMIK Royal, hlm. 153 – 158 ISSN 2622-6510 (online)
Kisaran, Asahan, Sumut - 3 September 2018
Sum SIMPULAN
Entropi Gain
(negatif)
6 0.9316345
0.083888 Dari hasil yang diperoleh, dapat diambil
2 0.8505942 kesimpulan sebagai berikut :
3 0.8749305
1. Dari variabel input dalam pembentukan
0.068831
pohon keputusan berdasarkan hasil
4 0.9931569
laboratorium yang dapat dilihat dari umur,
1 0 glukosa, pregnant (tingkat kehamilan),
4 0 DBP (tekanan darah), BMI (index masa
1 0.1142656 0.613305 tubuh). Dari variabel yang telah
ditentukan, kita dapat memodelkan
3 0.8749305
decision tree dengan menggunakan
6 1.0394911 algoritma C4.5, dengan menentukan nilai
0.042785
2 0.7427376 entropi dan gain.
3 0.8849179 0.136679 2. Dari hasil pengujian dengan penerapan
5 0.7160964 0.136679 decision tree menggunakan algoritma
C4.5, kita dapat melihat prediksi
Sesuai hasil perhitungan bahwa atribut kemungkinan dan menggambarkan bahwa
dengan gain tertinggi adalah atribut glukosa pasien positif dan pasien negatif diabetes
yaitu sebesar 0.613305. glukosa dapat menjadi mellitus.
node akar. Proses perhitungan decision tree
dilanjutkan hingga semua atribut memiliki
nilai keputusan.
Uji Coba
Uji coba sistem menggunakan tool Rapid
Miner 5. Hasil uji coba dengan menggunakan
sistem berupa pohon keputusan. Berikut hasil
uji coba :
DAFTAR PUSTAKA
Kuo et all,(2012). “Data Mining with decision System, Achievers University, Owa,
tree for diagnosis of breast tumor in Negaria. 1. 51-59.
medical ultrasonic image. Khan Ahmed Naeem Muhammad, at all.
Olaiya, Folorunsho. (2012). “Appication of (2013). “Gender Classification with
Data Mining Techniques in Weather Decision Trees”. International Jurnal of
Prediction and Climate Change Studies”. Signal Processing, Image Processing and
Department of Computer & Information Pattern Recognition vol 6.
Seminar Nasional Royal (SENAR) 2018 ISSN 2622-9986 (cetak)
STMIK Royal – AMIK Royal, hlm. 153 – 158 ISSN 2622-6510 (online)
Kisaran, Asahan, Sumut - 3 September 2018
Curtis G. Panayiotis. (2009). “A Decision Tree Khoonsari Emami Payam, AhmadReza Motie
Application in Tourism Based Regional (2012). “A Comparison of Efficiency and
Economic Development”. International Robustness of ID3 and C4.5 Algorithm
Multidiciplinary Journal Of Tourism, vol Using Dynamic Test and Tranining Data
4 Number 2 2009,pp. 169-178. Sets”. International Journal of Machine
Kusrini, Emha Taufiq Luthfi (2009). “ Learning and Computing vol 2.
Algoritma Data Mining”, Andi, STMIK Chauhan Harvinder, Chauhan Anu (2013).
AMIKOM Yogyakarta. “Implementasi of Decision Tree algorithm
Rekam Medik (2011-2013). “Rumah Sakit C4.5”. International Journal of Scientific
Dr.M.Djamil Padang”, Padang. and Research Publication, vol 3.
Abidin Zaenal Zezen Aa, (2011) Mazid M Mohammed, Ali Shawkat A B M,
“Implementasi Algortima C4.5 Untuk Kevin S Tickle (2009). “Improved C4.5
Menentukan Tingkat Bahaya Tsunami”. Algorithm for Rule Based Classification”.
Seminar National Informatika, Jurusan School of Computing Science Central
Teknik Informatika STMIK Subang, Jawa Queensland university, Australia.
Barat 2011 1979-2328.
Haim-Ben Yael (2010). “A Streaming Parallel
Decision Tree Algorithm”. Journal of
Machine Learning Research 11. 849-872.