KOMPARASI ALGORITMA DECISION TREE DAN NAIVE BAYES DALAM KLASIFIKASI PENYAKIT DIABETES

Abstract

Rata-rata nilai akurasi klasifikasi penyakit diabetes adalah sebesar 82%. Meskipun demikian, nilai tersebut masih kurang baik. Karena nilai akurasi tersebut masih dibawah rata-rata yaitu 85%. Masalah utama muncul karena tingkat akurasi yang kurang baik dapat menimbulkan risiko kesalahan yang signifikan dalam mengidentifikasi penyakit diabetes. Kecenderungan nilai rata-rata yang rendah ini menunjukkan adanya hambatan dalam keandalan sistem klasifikasi penyakit diabetes. Penelitian ini menerapkan metode Knowledge Discovery in Databases (KDD). Adalah sebuah teknik yang dipakai untuk mengeksplorasi dan memperoleh pemahaman yang mendalam pada suatu database. Tujuan utama pada tahapan KDD adalah menghasilkan informasi yang dapat digunakan sebagai landasan untuk pengambilan keputusan. Hasil penelitian menandakan bahwa Naive Bayes mencapai tingkat keakuratan yang lebih baik sebesar 91.56%. Sedangkan, Decision Tree memiliki tingkat akurasi 87.01%. Dari evaluasi ini, dapat disimpulkan bahwa Naive Bayes menghasilkan kinerja yang lebih unggul dalam klasifikasi penyakit diabetes pada dataset yang digunakan dibandingkan dengan Decision Tree.