Purwaningrum, Dyah Ayu Sekar Kinasih (2023) Implementasi Machine Learning Algoritma C4.5 dalam Pengklasifikasian Pasien yang Mengalami Penyakit Diabetes Mellitus Tipe 2. Bachelor/Skripsi thesis, Universitas Negeri Padang.
final_02_DYAH_AYU_SEKAR_KINASIH_PURWANINGRUM_19030096_5928_2023.pdf
Download (1MB)
Abstract
Pola hidup sehat dapat mengurangi risiko berbagai penyakit, tetapi banyak dari masyarakat Indonesia yang masih mengabaikannya. Pengabaian tersebut dapat mengundang penyakit diabetes mellitus yang sudah menjangkiti 643 juta orang di dunia. Sehingga, diperlukan diagnosa dini yang akurat sebagai bentuk pencegahan diabetes. Dengan menggunakan machine learning algoritma C4.5, penelitian ini akan membentuk model yang mampu mengklasifikasikan apakah seseorang dikatakan diabetes atau tidak berdasarkan faktor penyebab diabetes. Penelitian ini merupakan penelitian terapan yang diawali dengan studi literatur terkait teori-teori yang relevan dengan permasalahan penelitian, kemudian dilanjutkan dengan pengumpulan data. Data yang digunakan berupa data rekam medis pasien diabetes dan tidak diabetes Rumah Sakit Umum Pusat (RSUP) Dr. M. Djamil Padang. Data yang telah terkumpul selanjutnya diproses menggunakan algoritma C4.5. Model decision tree yang dihasilkan terdiri dari 33 nodes dengan atribut glukosa sebagai root node-nya. Pada masing-masing node terdapat keterangan atribut, entropy, sampel, nilai, dan kelas. Dari evaluasi kinerja model dihasilkan nilai recall 94%.
| Item Type: | Thesis (Bachelor/Skripsi) |
|---|---|
| Contributors: | Contribution Contributors Email Thesis advisor Agustina, Dina UNSPECIFIED Corrector Helma, Helma UNSPECIFIED Corrector Rizal, Yusmet UNSPECIFIED |
| Uncontrolled Keywords: | MACHINE LEARNING ALGORITMA C4.5 |
| Subjects: | Q Science > QA Mathematics |
| Divisions: | Fakultas Matematika dan Ilmu Pengetahuan Alam > Matematika-S1 |
| Depositing User: | Arlianis Arlianis S.IP |
| Date Deposited: | 12 Nov 2026 02:31 |
| Last Modified: | 12 Nov 2026 02:31 |
| URI: | https://repository.unp.ac.id/id/eprint/49871 |
