Komparasi Algoritma C4.5, Naive bayes, K-Nearest Neighbor, Random Forest Untuk Prediksi Faktor Penyebab Penyakit Diabetes

Abstract

Diabetes adalah penyakit metabolik kronis yang ditandai dengan peningkatan kadar glukosa darah (gula darah), yang seiring waktu menyebabkan kerusakan serius pada jantung, pembuluh darah, mata, ginjal, dan saraf. Penyakit diabetes menjadi salah satu jenis penyakit yang mematikan di dunia. Pengklasifikasian secara tepat orang-orang yang memiliki hasil tes laboratorium apakah positif atau negatif memiliki penyakit diabetes penting dilakukan untuk memperoleh penanganan yang tepat. Penelitian ini dataset yang digunakan bersumber dari komunitas global pada studi kasus Electronic Health Record (EHRs). Data yang diperoleh sebanyak 10.000 record, memiliki delapan atribut dan satu atribut dengan status pasien sebagai label (kelas) yang menyatakan 859 data pasien yang menderita penyakit diabetes, 9141 data pasien yang tidak menderita penyakit diabetes. Tujuan dari penelitian ini adalah untuk mengkomparasikan algoritma C4.5, Naive bayes, K-Nearest Neighbor dan Random Forest dalam penentuan klasifikasi data pasien diabetes. Hasil penelitian ini dilakukan dengan membagi data pengujian dan data pelatihan dengan perbandingan 90 : 10, 80 : 20, dan 70 : 30. Hasil penelitian menunjukkan bahwa secara keseluruhan komparasi algoritma C4.5, Naive bayes, K-Nearest Neighbor dan Random Forest, dari percobaaan dengan pembagian data training : data testing 90 : 10, 80 : 20, 70 : 30. Jika dibandingkan dengan nilai akurasi algoritma Naïve Bayes dan K-Nearest Neighbor, nilai akurasi dengan menggunakan algoritma klasifikasi C4.5 dan Random Forest adalah yang terbesar pada percobaan data pelatihan 90% : pengujian data 10% dan percobaan data pelatihan 70% : pengujian data 30%. Sedangkan evaluasi menggunakan kurva ROC, Algoritma Random Forest menjadi yang tertinggi pada percobaan data training 70% : data testing 30% dan data training 80% : data testing 20% dengan nilai mendekati 1.000 yaitu 0.972 dan 0.970. Dari hasil keseluruhan pengujian model dapat disimpulkan bahwa kinerja C4.5 dan Random Forest hampir sama bagusnya, baik dilihat dari tingkat akurasi maupun AUC nya.