Implementasi Algoritma C4.5 dalam Melakukan Klasifikasi Penyakit Stroke Otak

Authors

  • Felian Nabila Universitas Islam Negeri Sultan Syarif Kasim Riau
  • Iis Afrianty Universitas Islam Negeri Sultan Syarif Kasim Riau
  • Suwanto Sanjaya Universitas Islam Negeri Sultan Syarif Kasim Riau
  • Fadhilah Syafria Universitas Islam Negeri Sultan Syarif Kasim Riau

DOI:

https://doi.org/10.32493/informatika.v8i2.31361

Keywords:

Brain Stroke, C4.5, Data Mining, Decision Tree, Klasifikasi

Abstract

Stroke merupakan gangguan kesehatan dalam jangka panjang dan menjadi salah satu penyakit dengan resiko kematian paling tinggi. Penanganan stroke dengan cepat menyebabkan tingkat kemunculan komplikasi dan kerusakan yang terjadi pada otak berkurang. Oleh karena itu perlunya melakukan analisa diri pada orang yang bersangkutan  apakah orang tersebut mengalami penyakit stroke atau tidak. Penelitian ini melakukan klasifikasi algoritma C4.5 penyakit brain stroke guna menganalisa data terkait penyebab stroke dengan model decision tree dan membagi dataset menjadi 3 yakni train set, validation set, test set dengan perbandingan 70:20:10, kemudian didapatkanlah hasil dengan akurasi yang tinggi sebesar 95% disetiap data train set, validation set, test set. Serta presisi sebesar 0,91, recall sebesar 0,54, f1-score sebesar 0,56 untuk data train set, kemudian presisi sebesar 0,48, recall sebesar 0,50, f1-score sebesar 0,49 untuk validation set, dan presisi sebesar 0,48, recall sebesar 0,50, f1-score sebesar 0,49 untuk test set. Dapat Disimpulkan bahwa algoritma C4.5 decision tree ini dapat melakukan klasifikasi penyakit stroke dengan sangat baik.

References

Almadani, O., & Alshammari, R. (2018). Prediction of stroke using data mining classification techniques. International Journal of Advanced Computer Science and Applications, 9(1), 457–460. https://doi.org/10.14569/IJACSA.2018.090163

Andarista, R. R., & Jananto, A. (2022). Penerapan Data Mining Algoritma C4. 5 Untuk Klasifikasi Hasil Pengujian Kendaraan Bermotor. Jurnal Tekno Kompak, 16(2), 29–43. https://ejurnal.teknokrat.ac.id/index.php/teknokompak/article/view/1525%0Ahttps://ejurnal.teknokrat.ac.id/index.php/teknokompak/article/download/1525/944

Ardiansyah, M., Sunyoto, A., & Luthfi, E. T. (2021). Analisis Perbandingan Akurasi Algoritma Naïve Bayes Dan C4.5 untuk Klasifikasi Diabetes. Edumatic: Jurnal Pendidikan Informatika, 5(2), 147–156. https://doi.org/10.29408/edumatic.v5i2.3424

Badriah, S., Nugroho, M. F. E., Sanjaya, N., Rismawati, I., Sari, B. N., & Rozikin, C. (2021). Klasifikasi Algoritma C4 . 5 dalam Menentukan Penerima Bantuan Covid-19 ( Studi Kasus : Desa di Karawang ). JIP (Jurnal Informatika Polinema, 7(3), 23–28.

Kasanah, A. N., Muladi, & Pujianto, U. (2019). Penerapan Teknik SMOTE untuk Mengatasi Imbalance Class dalam Klasifikasi Objektivitas Berita Online Menggunakan Algoritma KNN. JURNAL

RESTI (Rekayasa Sistem Dan Teknologi Informasi), 3(2), 196–201.

Nasution, D. A., Khotimah, H. H., & Chamidah, N. (2019). Perbandingan Normalisasi Data untuk Klasifikasi Wine Menggunakan Algoritma K-NN. Computer Engineering, Science and System Journal, 4(1), 78. https://doi.org/10.24114/cess.v4i1.11458

Pertiwi, M. W., Adiwisastra, M. F., & Supriadi, D. (2019). Analisa Komparasi Menggunakan 5 Metode Data Mining dalam Klasifikasi Persentase Wanita Sudah menikah di Usia 15-49 yang Memakai Alat KB (Keluarga Berencana). Jurnal Khatulistiwa Informatika, 7(1), 37–42. https://doi.org/10.31294/jki.v7i1.5741

Pratama, T. G., Ridwan, A., & Prihandono, A. (2021). Penerapan Algoritma C4.5 untuk Klasifikasi Kanker Serviks Tingkat Awal. Urecol Journal. Part E: Engineering, 1(1), 1–6. https://doi.org/10.53017/uje.4

Primajaya, A., Sari, B. N., & Khusaeri, A. (2020). Prediksi Potensi Kebakaran Hutan dengan Algoritma Klasifikasi C4.5 Studi Kasus Provinsi Kalimantan Barat. Jurnal Edukasi Dan Penelitian Informatika (JEPIN), 6(2), 188–192. https://doi.org/10.26418/jp.v6i2.37834

Rafiska, R., Defit, S., & Nurcahyo, G. W. (2018). Analisis Rekam Medis untuk Menentukan Pola Kelompok Penyakit Menggunaka n Algoritma C4.5. 2(1), 391–396. http://jurnal.iaii.or.id

S, M. B., & T, D. A. (2020). Predictive Model for Brain Stroke in CT using Deep Neural Network. International Journal of Recent Technology and Engineering (IJRTE), 9(1), 2011–2017. https://doi.org/10.35940/ijrte.f9954.059120

Sari, A. N., & Yunus, R. (2022). Diabetes Classification Process Using C4.5 Method. (APIT) Application of Information Technology, 1(1), 7–11.

Syamsul, B., Dwi, M., & Rahmi, H. (2018). Perbandingan Algoritma Naive Bayes dan C4.5 Untuk Klasifikasi Penyakit Anak. Seminar Nasional Aplikasi Teknologi Informasi (SNATi), B24–B31.

Yunita, D., & Ikasari, I. H. (2021). Perbandingan Metode Klasifikasi C4.5 dan Naïve Bayes untuk Mengukur Kepuasan Pelanggan. Informatika Universitas Pamulang, 6(3), 456–462. http://openjournal.unpam.ac.id/index.php/informatika456

Jurnal Informatika Universitas Pamulang Vol. 8 No. 2 Juni 2023

Downloads

Published

2023-06-30

Issue

Vol. 8 No. 2 (2023): JURNAL INFORMATIKA UNIVERSITAS PAMULANG

Section

Article

License

Authors who publish with this journal agree to the following terms:

  1. Authors retain copyright and grant the journal right of first publication with the work simultaneously licensed under a Creative Commons Attribution-NonCommercial 4.0 International (CC BY-NC 4.0) that allows others to share the work with an acknowledgement of the work's authorship and initial publication in this journal.
  2. Authors are able to enter into separate, additional contractual arrangements for the non-exclusive distribution of the journal's published version of the work (e.g., post it to an institutional repository or publish it in a book), with an acknowledgement of its initial publication in this journal.
  3. Authors are permitted and encouraged to post their work online (e.g., in institutional repositories or on their website) prior to and during the submission process, as it can lead to productive exchanges, as well as earlier and greater citation of published work (See The Effect of Open Access).

Jurnal Informatika Universitas Pamulang have CC-BY-NC or an equivalent license as the optimal license for the publication, distribution, use, and reuse of scholarly work.

In developing strategy and setting priorities, Jurnal Informatika Universitas Pamulang recognize that free access is better than priced access, libre access is better than free access, and libre under CC-BY-NC or the equivalent is better than libre under more restrictive open licenses. We should achieve what we can when we can. We should not delay achieving free in order to achieve libre, and we should not stop with free when we can achieve libre.

Jurnal Informatika Universitas Pamulang is licensed under a Creative Commons Attribution-NonCommercial 4.0 International (CC BY-NC 4.0)

YOU ARE FREE TO:

  • Adapt : remix, transform, and build upon the material for any purpose, even commercially.
  • The licensor cannot revoke these freedoms as long as you follow the license terms