Perbandingan Hasil Penerapan Metode Algoritma C4.5 Dan Random Forest Pada Penyakit Tuberculosis Di Puskesmas Jajag

Jesica Cahya Ningrum, Agung Nilogiri, Qurrota A'yun

Abstract


Tuberkulosis (TBC) masih menjadi masalah kesehatan serius dan termasuk dalam sepuluh penyebab kematian utama di dunia. Indonesia menempati posisi ketiga sebagai negara dengan beban TBC tertinggi. Salah satu tantangan utama yang dihadapi adalah pertumbuhan jumlah pasien yang lebih cepat dibandingkan dengan ketersediaan dokter. Kondisi ini menjadi masalah besar karena setiap orang berhak mendapatkan pelayanan kesehatan yang memadai untuk penyakit yang mereka derita. Sistem ini tidak bertujuan untuk menggantikan peran dokter, melainkan untuk memberikan rekomendasi atau kemungkinan hasil diagnosis berdasarkan gejala yang dialami oleh pasien. Selain itu, sistem ini dapat memprediksi atau mendiagnosis penyakit TBC sejak dini, sehingga membantu mengurangi penyebaran penyakit TB di masyarakat. Penelitian ini akan menggunakan metode Algoritma C4.5 yang akan dibandingkan dengan Random Forest. Hasil penelitian ini adalah hasil pengujian tertinggi pada metode Algoritma C4.5 menggunakan Fold Cross Validation dengan nilai K = 2 pada Langkah Uji 1 dengan akurasi sebesar 71,2%, presisi sebesar 75% dan recall sebesar 63%. Sedangkan hasil pengujian tertinggi pada metode Random Forest menggunakan Fold Cross Validation dengan nilai K = 4 pada Langkah Uji 2 dengan akurasi sebesar 73%, presisi sebesar 75,8% dan recall sebesar 68,1%. Hasil dari penelitian ini adalah metode Random Forest memiliki hasil simulasi yang lebih baik dari metode Algoritma C4.5.

Kata Kunci: Algoritma C4.5; Klasifikasi; Penerapan; Random Forest; Tuberkulosis

Full Text:

PDF

References


Adrian, M. R., Putra, M. P., Rafialdy, M. H., & Rakhmawati, N. A. 2021. Perbandingan Metode Klasifikasi Random Forest Dan Svm Pada Analisis Sentimen PSBB. Jurnal Informatika Upgris. 7(1). 36–40.

Aji, F., Umbara, F., & Kasyidi, F. 2023. Klasifikasi Risiko Kematian Pasien Berdasarkan Penyakit Penyerta Dan Usia Pasien Menggunakan Metode C4.5. JIRE (Jurnal Informatika & Rekayasa Elektronika). 6(1). 9-17.

Andika, L. A., Azizah, P. A. N., & Wulan, R. 2019. Analisis Sentimen Masyarakat terhadap Hasil Quick Count Pemilihan Presiden Indonesia 2019 pada Media Sosial Twitter Menggunakan Metode Naive Bayes Classifier. Indonesian Journal of Applied Statistics. 2(1). 34-41.

Apriliah, W., Kurniawan, I., Baydhowi, M., & Haryati, T. 2021. Prediksi Kemungkinan Diabetes pada Tahap Awal Menggunakan Algoritma Klasifikasi Random Forest. SISTEMASI : Jurnal Sistem Informasi. 10(1). 163-171.

A’yun, Q., & Sujiwo., D., A., C. 2021. Analisis Keefektifan Pembelajaran Matematika Online. Laplace: Jurnal Pendidikan Matematika. 4(1). 88-98

Azis, H., Purnawansyah, P., Fattah, F., & Putri, I. P. 2020. Performa Klasifikasi K-NN dan Cross Validation Pada Data Pasien Pengidap Penyakit Jantung. ILKOM Jurnal Ilmiah. 12(2). 81–86.

Cholil, S. R., Dwijayanto, A. F., & Ardianita, T. 2020. Prediksi Penyakit Demam Berdarah di Puskesmas Ngemplak Simongan Menggunakan Algoritma C4.5. SISTEMASI : Jurnal Sistem Informasi. 9(3). 529-542.

Ismanto, E., & Novalia, M. 2021. Komparasi Kinerja Algoritma C4.5, Random Forest, dan Gradient Boosting untuk Klasifikasi Komoditas. Techno.COM. 20(3). 400-410.

Lazuardi, M. B., Octavianto, H., & Sulistyo, H. W. 2020. Penerapan Algoritma Decision Tree C4.5 Dalam Klasifikasi Indentifikasi Pasien Penyakit Tuberkulosis (Tb) Di Puskesmas Sukorambi Jember. https://repository.unmuhjember.ac.id/8271/10/j.%20JURNAL.pdf. Diakses tanggal 15 Januari 2024.

Muhamad, M., Windarto, A. P., & Suhada, S. 2019. Penerapan Algoritma C4.5 Pada Klasifikasi Potensi Siswa Drop Out. KOMIK (Konferensi Nasional Teknologi Informasi Dan Komputer). 3(1). 753-760.

Nabila, Z., Rahman Isnain, A., & Abidin, Z. 2021. Analisis Data Mining Untuk Clustering Kasus Covid-19 Di Provinsi Lampung Dengan Algoritma K-Means. Jurnal Teknologi Dan Sistem Informasi (JTSI). 2(2). 100-108.

Nikmatun, I. A., & Waspada, I. 2019. Implementasi Data Mining Untuk Klasifikasi Masa Studi Mahasiswa Menggunakan Algoritma K-Nearest Neighbor. Jurnal SIMETRIS. 10(2). 421-432.

Nilogiri, A. Pegaruh Fitur Warna pada Klasifikasi Impresi Citra Batik Indonesia Menggunakan Probabilistic Neural Network. JUSTINDO : Jurnal Sistem dan Teknologi Informasi Indonesia. 1(1). 57-63.

Nurdiana, N., Nilogiri, A., & Rahman., M. Penerapan Algoritma Fuzzy C-Means dan Metode Elbow untuk Mengelompokkan Provinsi di Indonesia Berdasarkan Indeks Demokrasi Indonesia. Jurnal Smart Teknologi. 3(5). 544-551.

Qinanda, M., Q., Nilogiri, A., & Timur., T. Sentimen Pada Komentar Youtube Tentang Pencegahan dan Penanganan Kekerasan Seksual Pada Permendikbud Berbasis Naive Bayes dan Support Vektor Machine. 7(2). 114-121.

Ramadhani, I., R., Nilogiri, A., & A’yun, Q. 2023. Klasifikasi Jenis Tumbuhan Berdasarkan Citra Daun Menggunakan Metode Convolutional Neural Network. Jurnal Smart Teknologi. 3(3). 249-260.

Ramli, R. G., & Sibaroni, Y. 2022. Klasifikasi Topik Twitter Menggunakan Metode Random Forest Dan Fitur Ekspansi Word2vec. e-Proceeding of Engineering. 9(1). 79-92.

Ratna, S. 2020. Pengolahan Citra Digital Dan Histogram Dengan Phyton Dan Text Editor PHYCHARM. Jurnal Ilmiah “Technologia”. 11(3). 181-186.

Rubiah, W. R., & Ismanto, B., 2020. Evaluasi Program Bantuan Operasional Sekolah (BOS) di Sekolah Dasar. Jurnal Kependidikan: Jurnal Hasil Penelitian dan Kajian Kepustakaan di Bidang Pendidikan, Pengajaran dan Pembelajaran. 6(2). 220-229.

Sapto, J. 2021. Fakta Risiko Peningkatan Angka Insidensi Tuberkulosis. Jurnal Ilmiah Pannmed (Pharmacyst, Analyst, Nutrition, Midwivery, Environment, Dental Hygiene). 16(1). 106-113.

Sudrajat, D., Purnamasari, A., Dikananda, A., Kurnia, D., Bahtiar, A. 2022. Klasifikasi Mutu Pembelajaran Hybrid berdasarkan Algoritma C.45, Random Forest dan Naïve Bayes dengan Optimasi Bootsrap Areggating (Bagging) pada masa COVID-19. JURIKOM (Jurnal Riset Komputer). 9(6). 2227-2233.

Sujiwo, D., A., C., & A’yun., Q. 2020. Pengaruh Pemanfaatan E-learning Terhadap Motivai Belajar Mahasiswa. JUSTINDO : Jurnal Sistem dan Teknologi Informasi Indonesia. 4(1). 27-35.

Sutoyo, E., & Asri, F., M. 2020. Penerapan SMOTE untuk Mengatasi Imbalance Class dalam Klasifikasi Television Advertisement Performance Rating Menggunakan Artificial Neural Network. JEPIN (Jurnal Edukasi Dan Penelitian Informatika). 6(3). 379-385.

Syukron, A., & Subekti, A. 2018. Penerapan Metode Random Over-Under Sampling dan Random Forest untuk Klasifikasi Penilaian Kredit. JURNAL INFORMATIK. 5(2). 175-185.

Zai, C. 2022. Implementasi Data Mining Sebagai Pengolahan Data. Jurnal Portal Data . 2(3). 1-12.

Zailani, A. U., & Hanun, N. L. 2020. Penerapan Algoritma Klasifikasi Random Forest Untuk Penentuan Kelayakan Pemberian Kredit Di Koperasi Mitra Sejahtera. Infotech: Journal of Technology Information. 6(1). 7–14.


Refbacks

  • There are currently no refbacks.


Creative Commons License
This work is licensed under a Creative Commons Attribution-NonCommercial 4.0 International License.