Klasifikasi Penyakit Paru-Paru Menggunakan Data Mining Decision Tree
Abstract
Paru-paru adalah organ vital dalam sistem pernapasan manusia yang sering kali terpapar oleh kebiasaan merokok dan bahan berbahaya lainnya, sehingga meningkatkan risiko penyakit paru-paru, terutama tuberkulosis (TB). Di Indonesia, TB merupakan masalah kesehatan serius dengan prevalensi tinggi dan menjadi penyebab kematian ketiga terbesar. Penelitian ini bertujuan untuk mengembangkan metode klasifikasi penyakit paru-paru menggunakan algoritma Decision Tree (C4.5) dan AdaBoost. Dataset penelitian mencakup data medis dari 2.149 pasien dengan atribut seperti riwayat kesehatan, hasil laboratorium, dan parameter fisiologis. Proses validasi dilakukan menggunakan teknik percentage split (80:20) dan k-fold cross-validation (k=10). Evaluasi performa algoritma berdasarkan metrik akurasi, presisi, dan recall menunjukkan hasil signifikan dalam mendeteksi penyakit paru-paru seperti asma, bronkitis, dan TB. Dengan menggunakan perangkat lunak seperti RapidMiner, penelitian ini memanfaatkan data mining untuk menemukan pola dan meningkatkan akurasi diagnosis. Hasilnya diharapkan dapat membantu tenaga medis dalam proses diagnosis yang lebih cepat dan akurat, sekaligus memberikan kontribusi dalam pengembangan metode deteksi penyakit paru-paru berbasis teknologi.
Kata Kunci: Data mining, Penyakit Paru-paru, Algoritma Decision Tree, Klasifikasi.
References
Baharudin, M. N., & Dwi Nuryana, I. K. (2022). Implementasi Algoritma Decision Tree untuk Klasifikasi Surat pada Aplikasi Mobile E-Surat Dinas Komunikasi dan Informatika Kota Kediri Berbasis Android. Journal of Informatics and Computer Science (JINACS), 4(01), 76–85. https://doi.org/10.26740/jinacs.v4n01.p76-85
Haffandi, M. Y., Haerani, E., Syafria, F., & Oktavia, L. (2022). Klasifikasi Penyakit Paru-Paru Dengan Menggunakan Metode Naïve Bayes Classifier. Jurnal Teknik Informasi Dan Komputer (Tekinkom), 5(2), 176. https://doi.org/10.37600/tekinkom.v5i2.649
Hana, F. M. (2020). Klasifikasi Penderita Penyakit Diabetes Menggunakan Algoritma Decision Tree C4.5. Jurnal SISKOM-KB (Sistem Komputer Dan Kecerdasan Buatan), 4(1), 32–39. https://doi.org/10.47970/siskom-kb.v4i1.173
Junaidi, I. (2010). Penyakit Paru dan Saluran Napas.
Mardi, Y. (2017). Data Mining : Klasifikasi Menggunakan Algoritma C4.5. Edik Informatika, 2(2), 213–219. https://doi.org/10.22202/ei.2016.v2i2.1465
Putra, P. P., & Chan, A. S. (2018). Pengembangan Aplikasi Perhitungan Prediksi Stock Motor Menggunakan Algoritma C 4.5 Sebagai Bagian dari Sistem Pengambilan Keputusan (Studi Kasus di Saudara Motor). INOVTEK Polbeng - Seri Informatika, 3(1), 24. https://doi.org/10.35314/isi.v3i1.296
Rafi Nahjan, M., Nono Heryana, & Apriade Voutama. (2023). Implementasi Rapidminer Dengan Metode Clustering K-Means Untuk Analisa Penjualan Pada Toko Oj Cell. JATI (Jurnal Mahasiswa Teknik Informatika), 7(1), 101–104. https://doi.org/10.36040/jati.v7i1.604
Rizki, M., Devrika, D., Umam, I. H., & Lubis, F. S. (2020). Aplikasi Data Mining dalam Penentuan Layout Swalayan dengan Menggunakan Metode MBA. Jurnal Teknik Industri: Jurnal Hasil Penelitian Dan Karya Ilmiah Dalam Bidang Teknik Industri, 5(2), 130. https://doi.org/10.24014/jti.v5i2.8958
Sedjati, F. (2013). Balai Pengobatan Penyakit Paru-paru (BP4) Yogyakarta. Universitas Ahmad Dahlan. https://adoc.pub/fitria-sedjati-fakultas-psikologi-universitas-ahmad-dahlan-j.html
Sutoyo, I. (2018). Implementasi Algoritma Decision Tree Untuk Klasifikasi Data Peserta Didik. Jurnal Pilar Nusa Mandiri, 14(2), 217. https://doi.org/10.33480/pilar.v14i2.926
Volume, X., Nomor, X., Tahun, B., Sari, Y., & Fatah, Z. (n.d.). Gudang Jurnal Multidisiplin Ilmu Klasifikasi Penyakit Alzheimer Menggunakan Data Mining Decision Tree. X, 1–6.