Klasifikasi Penyakit Paru-Paru Menggunakan Algoritma Decision Tree Studi Kasus Pada Data Medis
DOI:
https://doi.org/10.35473/jamastika.v4i2.4529Abstract
Penyakit paru-paru dan paru-paru adalah salah satu masalah kesehatan yang penting, dan membutuhkan diagnosis yang cepat dan tepat agar bisa membantu dokter dalam mengambil keputusan. Tujuan penelitian ini adalah untuk membuat sistem yang menggunakan Decision Tree untuk mengklasifikasikan penyakit paru-paru, yang merupakan pendekatan yang mudah dipahami dan efisien. Data yang digunakan berasal dari sumber terbuka dan telah diproses terlebih dahulu, yaitu membersihkan data, normalisasi, dan memilih fitur dengan metode Chi-Square. Alasan memilih Decision Tree adalah karena kemampuannya dalam membuat model yang bisa dijelaskan oleh para dokter dan mampu menangani berbagai jenis data. Hasil uji coba menunjukkan bahwa model ini mampu mengenali jenis penyakit paru-paru dengan tingkat akurasi yang baik, serta menampilkan gambar pohon keputusan yang membuat proses diagnosis lebih transparan. Penelitian ini menunjukkan kemungkinan menggunakan Decision Tree sebagai alat bantu dalam sistem bantuan keputusan medis, khususnya dalam klasifikasi penyakit paru-paru, dan membuka peluang untuk dikembangkan lebih lanjut dengan sistem berbasis kecerdasan buatan di bidang kesehatan.
Kata Kunci: Penyakit Paru-paru, Algorima Decision Tree, Klasifikasi Medis, Seleksi Fitur, Sistem Pendukung Keputusan.
Lung disease is one of the significant health problems and requires rapid and accurate diagnosis to assist doctors in decision-making. This study aims to develop a system that can classify lung diseases using the Decision Tree method, which is an easily understandable and efficient approach. The data used comes from open sources and has been preprocessed, including data cleaning, normalization, and feature selection using the Chi-Square method. The reason for choosing Decision Tree is its ability to create models that can be explained to doctors and handle various types of data. The experimental results show that this model can accurately recognize types of lung diseases and display a decision tree diagram, making the diagnosis process more transparent. This research demonstrates the potential use of a Decision Tree as an aid in medical decision support systems, particularly in classifying lung diseases, and opens up opportunities for further development with artificial intelligence-based systems in the healthcare field.
Keyword: Lung Disease, Decision Tree Algorithm, Medical Classification, Feature Selection, Decision Support System.
References
Willermark, A.P. dan Islind, A. serta Adelia, Q. (2025) 'Prediksi Risiko Penyakit Paru-Paru Menggunakan Algoritma Machine Learning', 3(Juli), hal. 70–79.
Deigo Anugrah Pratama, Ibnu Rizal Mutaqin dan Kevin Rafael Manuela (2023) 'Analisis Terjadinya Kanker Paru-Paru pada Pasien Menggunakan Decision Tree: Penerapan Algoritma C4.5 dan RapidMiner Untuk Menentukan Risiko Kanker pada Gejala Pasien', Jurnal Teknik Mesin, Industri, Elektro dan Informatika, 2(4), hal 156–170. Tersedia di: https://doi.org/10.55606/jtmei.v2i4.3004.
Dinova, M.A. dan Purnama, R.A. (tanpa tanggal) 'Klasifikasi Untuk Mendeteksi Penyakit Paru-Paru dengan Algoritma Decision Tree', hal 1–7.
Gori, T., Sunyoto, A. dan Al Fatta, H. (2024) 'Preprocessing Data dan Klasifikasi untuk Prediksi Kinerja Akademik Siswa', Jurnal Teknologi Informasi dan Ilmu Komputer, 11(1), hal 215–224. Tersedia di: https://doi.org/10.25126/jtiik.20241118074.
Illah, I.Z.A., Jauharis Sapu, W.S. dan Damaliana, A.T. (2024) 'Implementasi Metode Klasifikasi LightGBM dan Analisis Survival dalam Memprediksi Pelanggan Churn', Jurnal Komtika (Komputasi dan Informatika), 8(1), hal 43- 53. Tersedia di: https://doi.org/10.31603/komtika.v8i1.11194.
Jatnika Fahmi Idris, Rafid Ramadhani dan Muhammad Malik Mutoffar (2024) 'Klasifikasi Penyakit Kanker Paru Menggunakan Perbandingan Algoritma Machine Learning', Jurnal Media Akademik (JMA), 2(2). Tersedia di: https://doi.org/10.62281/v2i2.145.
Khairudin, K., Machfud, S. dan Cahyono, Y. (2025) 'Klasifikasi Penyakit Kanker Paru-Paru Menggunakan Metode C4.5', KERNEL: Jurnal Riset Inovasi Bidang Informatika dan Pendidikan Informatika, 5(2), hal. 83– 93. Tersedia di: https://doi.org/10.31284/j.kernel.2024.v5i2.7315.
Krishna, S.U. dan lain-lain (2024) 'Prediksi dan Klasifikasi Kanker Paru Menggunakan Decision Tree dan VGG16 Convolutional Neural Networks', The Open Biomedical Engineering Journal, 18(1), hal.1– 14. Tersedia di: https://doi.org/10.2174/0118741207290271240322061032.
Krishnaiah, V., Narsimha, G. dan Chandra, N.S. (2013) 'Diagnosis Sistem Prediksi Kanker Paru Menggunakan Teknik Klasifikasi Data Mining', International Journal of Computer Science and Information Technologies, 4(1), hal. 39–45. Tersedia di: http://www.ijcsit.com/docs/Volume4/Vol4Issue1/ijcsit2013040110.pdf.
Kurniawati, L. dan lain-lain (2025) 'Perbandingan Metode Berbasis Decision Tree dalam Deteksi Penyakit Paru-Paru', Jurnal Bumigora Information Technology (BITe), 7(1), hal. 51–62. Tersedia di: https://doi.org/10.30812/bite.v7i1.4909.
Larassati, D., Zaidiah, A. dan Afrizal, S. (2022) 'Sistem Prediksi Penyakit Jantung Koroner Menggunakan Metode Naive Bayes', JIPI (Jurnal Ilmiah Penelitian dan Pembelajaran Informatika), 7(2), hal. 533–546. Tersedia di: https://doi.org/10.29100/jipi.v7i2.2842.
Marzuq, R.D., Wicaksono, S.A. dan Setiawan, N.Y. (2023) 'Prediksi Kanker Paru-Paru Menggunakan Algoritme Random Forest Decision Tree', Jurnal Pengembangan Teknologi Informasi dan Ilmu Komputer, 7(7), hal. 3448–3456.
Pambudi, R. dan lain-lain (2024) 'Klasifikasi Penyakit Paru-Paru Menggunakan Metode Decision Tree', OKTAL : Jurnal Ilmu Komputer dan Science, 3(9), hal. 2397–2398. Tersedia di: https://journal.mediapublikasi.id/index.php/oktal.
Putri, W.M. dan lain-lain (2025) 'KLASIFIKASI PENYAKIT GINJAL KRONIS MENGGUNAKAN Abstraksi Keywords : Pendahuluan Tinjauan Pustaka', 7(1).
Salim, M.F. dan Sugeng, S. (2018) ‘Analisis Rekam Medis Pasien Diabetes Mellitus Melalui Implementasi Teknik Data Mining di RSUP Dr. Sardjito Yogyakarta’, Jurnal Kesehatan Vokasional, 2(2), halaman 167. Tersedia di: https://doi.org/10.22146/jkesvo.30331.
