Perancangan Sistem Pakar Penyakit Demam Berdarah Menggunakan Metode Gradient Boosting Decision Tree

Abstract

Penyakit demam berdarah merupakan penyakit yang ditularkan melalui gigitan nyamuk dan dapat menimbulkan tingginya kasus kematian di beberapa negara. Penyakit ini paling sering ditemukan di negara yang memiliki iklim tropis. Oleh karena itu, diterapkan pemanfaatan teknologi yang dapat membantu masyarakat dalam memprediksi penyakit demam berdarah. Penelitian ini merancang sistem pakar dengan menggunakan metode Gradient Boosting Decision Tree (GBDT) dalam melakukan klasifikasi gejala pada penyakit demam berdarah. Penelitian ini menggunakan dataset pada situs Kaggle yang dianalisis dan menghasilkan akurasi sebesar 89%, recall 88,79%, dan presisi 69,96%. Sehingga, disimpulkan bahwa metode GBDT mampu memberikan hasil yang akurat dalam memprediksi demam berdarah. Klasifikasi yang dihasilkan dikembangkan ke  dalam sebuah aplikasi berbasis mobile yang di desain melalui desain UI/UX sehingga dapat berinteraksi langsung dengan pengguna.