Sistem Deteksi Dini Diabetes Melitus Dengan Teknik Klasifikasi Algoritma C4.5 Berdasarkan Rekam Medis di RS Tk. III Baladhika Husada Jember

Agustina, Alviani Rodyatul (2025) Sistem Deteksi Dini Diabetes Melitus Dengan Teknik Klasifikasi Algoritma C4.5 Berdasarkan Rekam Medis di RS Tk. III Baladhika Husada Jember. Undergraduate thesis, Politeknik Negeri Jember.

	Text (Abstract) Abstract.pdf - Submitted Version Available under License Creative Commons Attribution Share Alike. Download (262kB)
	Text (Bab 1 Pendahuluan) Bab 1 Pendahuluan.pdf - Submitted Version Available under License Creative Commons Attribution Share Alike. Download (341kB)
	Text (Daftar Pustaka) Daftar Pustaka.pdf - Submitted Version Available under License Creative Commons Attribution Share Alike. Download (237kB)
	Text (Laporan Lengkap) Laporan Lengkap.pdf - Submitted Version Restricted to Registered users only Download (11MB) | Request a copy

Abstract

Diabetes Melitus (DM) adalah kondisi penyakit kronis yang terjadi akibat pankreas tidak dapat memproduksi insulin atau ketika tubuh tidak dapat menggunakan insulin secara efektif. Pada RS Tk. III Baladhika Husada Jember, DM masuk ke dalam 10 besar penyakit dengan persentase kematian tertinggi sebesar 6,99% pada tahun 2024. Dalam upaya pencegahan dan pengendalian DM, maka dikembangkan sistem deteksi dini berbasis website dengan pendekatan teknik klasifikasi algoritma C4.5 menggunakan metode Waterfall. Tahapan penelitian ini meliputi pembuatan aturan klasifikasi algoritma C4.5 dengan tools RapidMiner, selanjutnya dilakukan pengembangan dengan metode Waterfall yaitu tahapan communication, planning, modeling, construction dan deployment. Penyusunan aturan klasifikasi menggunakan data hasil preprocessing dari total 240 dataset diperoleh data bersih sebanyak 172 dataset yang berasal dari rekam medis di RS Tk. III Baladhika Husada Jember. Perbandingan rasio data training dan testing adalah 50:50 dengan teknik stratified sampling. Proses pengujian kinerja dengan metode Confusion Matrix menghasilkan nilai accuracy, precision, dan recall masing-masing 100% serta aturan klasifikasi sebanyak 8 rules yang selanjutnya diimplementasikan dalam sistem. Berdasarkan hasil penelitian, gula darah acak merupakan faktor risiko yang paling berpengaruh terhadap penyakit DM karena memperoleh nilai gain ratio tertinggi. Saran untuk peneliti selanjutnya memperbanyak jumlah data dan memperluas ragam data agar dapat membantu sistem mempelajari pola yang lebih kompleks.

Actions (login required)

View Item