PERBANDINGAN HASIL ANALISIS TEKNIK DATA MINING “METODE DECISION TREE, NAIVE BAYES, SMO DAN PART” UNTUK MENDIAGNOSA PENYAKIT DIABETES MELLITUS

Abstract

Diabetes Mellitus (DM) merupakan salah satu penyakit yang dapat membawa seseorang berujung pada suatu kematian. Peyebab utama dari penyakit ini adalah pola hidup dan makanan yang tidak teratur atau berlebihan. Seseorang yang terserang penyakit diabetes akan ditandai dengan meningkat kadar gula. Hal ini terjadi karena adanya gangguan pada sekresi insulin dan kerja insulin atau bahkan pada keduanya. Di diberbagai negara semakin banyak pasien penyakit diabetes, jika tidak segera dihentikan maka diperkirakan penderita penyakit diabetes akan mencapai 642 jiwa pada tahun 2040 [1]. Penelitian ini bertujuan untuk memilih Clasifiers data mining yang terbaik dalam melakukan diagnosis terhadap penyakit Diabetes Mellitus (DM). Diagnosis yang dilakukan berbasis sistem komputer dengan menggunakan metode seleksi fitur dan klasifikasi terhadap Dataset Pima Indians Diabetes. Metode seleksi fitur yang digunakan adalah Correlation based Featured Selection (CFS). Hasil klasifikasi data mining pada penelitian ini menunjukkan bahwa SMO memiliki nilai akurasi tertinggi dibanding Classifiers yang lainnya.