Penerapan Data Mining untuk Identifikasi Penyakit Diabetes Melitus dengan Menggunakan Metode Klasifikasi

Faiz Aris, Benyamin Benyamin

Abstract


Penyakit Diabetes Melitus (DM) dengan komplikasi merupakan penyebab tertinggi kematian ketiga di indonesia yang setiap tahun penderitanya semakin bertambah, penyakit ini dulunya di juluki penyakit orang kaya namun seiring bertambahnya waktu penyakit ini sudah diidap oleh masyarakat menengah dan miskin. Hal ini dikarenakan bukan lagi karena faktor genetic tapi pola hidup yang tidak teratur menjadi penyumbang pesatnya penyakit ini, berdasarkan data WHO 80% penderita DM dapat dicegah, Klasifikasi pada penelitian ini bertujuan untuk memudahkan perawat dan penderita mengenali tipe penyakit DM agar penanganan penyakit diabetes semakin mudah dilakukan. Untuk menghasilkan informasi baru maka digunakan perhitungan algoritma C.45 dan pengujian algoritma yang menggunakan aplikasi rapid miner akan semakin memperkuat keputusan. Pada pengujian penelitian ini menggunakan beberapa atribut klasifikasi yakni atribut Jenis Kelamin, berat badan,Usia, Perokok, kadar gula darah, dan Tipe penyakit diabetes. Semua atribut tersebut akan dijadikan acuan dalam penelusuran hasil sehingga perawat dan penderita dapat menjadikan acuan dalam perawatan diri pasien secara optimal.

Keywords


Data mining; Diabetes mellitus; Metode klasifikasi C.45

Full Text:

PDF

References


Anik andriani, sistem prediksi penyakit diabetes berbasis decision tree, Jurnal bianglala informatika, vol 1 no 1 september 2013.

Devi, M. R., & Shyla, J. M. (2016). Analysis of various data mining techniques to predict diabetes mellitus. International Journal of Applied Engineering Research, 11(1), 727-730.

Fernanda, J. W., & Otok, B. W. (2012). Boosting Neural Network dan Boosting Cart Pada Klasifikasi Diabetes Militus Tipe II. Jurnal Matematika, 2(2), 1693-1394.

Oktiandi nugroho, bagus adhi kusuma, zanuar rifai, tri astuti, uswatun khasanah, risky wahyudi, peranan data mining untuk mengidentifikasi penyakit diabetes mellitus dengan menggunakan algoritme ID3, ISBN: 978

Poonguzhali ,E., Kabilan,S., Kannan,S., & Sivagami , P. (2014). Diagnosis of Diabetes Mellitus Type2 using Neural Network. International Journal of Emerging Technology and Advanced Engineering, 4(2),939–942

Fahra, R. U., Widayati, N., & Sutawardana, J. H. (2017). Hubungan Peran Perawat Sebagai Edukator Dengan Perawatan Diri Pasien Diabetes Melitus Tipe 2 Di Poli Penyakit Dalam Rumah Sakit Bina Sehat Jember.

Fernanda, S. I., Ratnawati, D. E., & Adikara, P. P. (2017). Identifikasi Penyakit Diabetes Mellitus Menggunakan Metode Modified K-Nearest Neighbor (MKNN). Jurnal Pengembangan Teknologi Informasi dan Ilmu Komputer e-ISSN, 2548, 964X.

Fernanda, S. I., Ratnawati, D. E., & Adikara, P. P. (2017). Identifikasi Penyakit Diabetes Mellitus Menggunakan Metode Modified K-Nearest Neighbor (MKNN). Jurnal Pengembangan Teknologi Informasi dan Ilmu Komputer vol 1 no. 6

Smeltzer, S.C. & Bare, B.G.(Eds) 2002. Buku Ajar Keperawatan Medikal-Bedah Brunner & Suddarth. Ed. 8, Vol. 2. Jakarta: EGC

Sa’di, S., Maleki, A., Hashemi, R., Panbechi, Z., & Chalabi, K. (2015). Comparison of data mining algorithms in the diagnosis of type II diabetes. International Journal on Computational Science & Applications (IJCSA), 5(5), 1-12.

Vijayan, V., & Ravikumar, A. (2014). Study of data mining algorithms for prediction and diagnosis of diabetes mellitus. International journal of computer applications, 95(17), 12-16


Refbacks

  • There are currently no refbacks.


© Router Research 2019

Creative Commons LicenseThis article is distributed under the terms of the Creative Commons Attribution 4.0 International License