Penerapan Metode Decision Tree untuk Klasifikasi Jenis Penyakit Radang Usus Buntu (Apendisitis) Menggunakan Algoritma C4.5

Abstract

Perkembangan zaman pada masa kini amat sangat mempengaruhi pola hidup dan kesehatan setiap orang. Banyak masyarakat yang memiliki pola hidup yang tidak sehat dan juga terkadang tidak peduli akan kesehatan tubuh nya sendiri. Pola makan yang tidak sehat biasanya berdampak pada orang yang menderita radang usus buntu (apendisitis) atau penyakit pada usus. Di Indonesia ada 596.132 orang yang menderita radang usus buntu di Indonesia pada tahun 2019 kemudian meningkat menjadi 621.435 orang ditahun berikutnya. Oleh karena itu, deteksi dini yang akurat sangat dibutuhkan untuk mengenali jenis dari radang usus buntu (apendisitis) itu sendiri. Dalam penelitian ini metode machine learning yaitu metode decision tree menggunakan algoritma C4.5 digunakan untuk membangun sebuah model yang dapat mengklasifikasikan jenis radang usus buntu apa yang di derita oleh pasien, berdasarkan gejala-gejala yang memicu terjadinya radang usus buntu (apendisitis).

Penelitian ini termasuk dalam jenis penelitian terapan, yang diawali dengan kajian pustaka terhadap teori-teori yang relevan dengan permasalahan penelitian. Tahap berikutnya melakukan pengumpulan data yang bersumber dari rekam medis pasien apendisitis akut, apendisitis perforasi, apendisitis kronis di Rumah Sakit Hermina Padang. Setelah data terkumpul, proses analisis dilakukan menggunakan algoritma C4.5. Proses kerja algoritma C4.5 secara garis besar adalah memilih atribut terbaik dengan mencari nilai entropy dan information gain dari setiap atribut.

Model decision tree yang dihasilkan terdiri dari 23 nodes dengan atribut nyeri abdomen sebagai root node-nya. Pada masing-masing node terdapat keterangan atribut, entropy, sampel, dan nilai. Dari evaluasi kinerja model dihasilkan nilai akurasi 95%.