KLASIFIKASI HEPATITIS C VIRUS MENGGUNAKAN ALGORITMA C4.5

Susanto Susanto, Nuri Nuri

Abstract


Hepatitis C Virus (HCV) merupakan Penyakit gangguan pada hati manusia yang menyebabkan peradangan pada sel-sel dan kinerja organ hati manusia. Penyakit HCV sangat berbahaya bagi tubuh manusia karena penyakit ini merupakan penyakit yang berasal dari penyakit kanker hati. Penyebab penyakit HCV adalah penyalahgunaan alkohol, penggunaan alat suntik bekas, dan tranfusi darah oleh orang yang telah terkena penyakit HCV. Adanya permasalahan tersebut, maka tujuan peneliti adalah melakukan penerapan sebuah Algoritma yang digunakan untuk mengklasifikasikan penyakit HCV. Algoritma yang pilih peneliti adalah Algoritma C4.5 yang merupakan salah satu jenis Algoritma klasifikasi. Penerapan Algoritma C4.5 digunakan untuk memperoleh sebuah keputusan, jika seseorang terkena HCV ataupun tidak. Algoritma C4.5 menggunakan atribut-atribut data yang ada untuk menghasilkan suatu keputusan terhadap penyakit HCV. Algoritma C4.5 diimplementasikan dengan metode Adaboost untuk memperoleh hasil yang maksimal. Metode Adaboost merupakan metode penunjang yang digunakan untuk meningkatkan hasil akurasi keputusan dari Algoritma C4.5, sehingga menghasilkan nilai akurasi yang tinggi. Nilai akurasi yang dihasilkan sebesar 95,60% (semula 94,43% menjadi 95,60%).


Keywords


Algoritma C.4.5, Adaboost, Hepatitis C Virus

Full Text:

PDF

References


World Health Organization (WHO), 2019. Hepatitis C. Retrieved from https://www.who.int/news=room/fact-sheets/detail/hepatitis-c

Raharja, K. Y. (2021). PERBANDINGAN KINERJA ALGORITMA GAUSSIAN NAIVE BAYES DAN K-NEAREST NEIGHBOR (KNN) UNTUK MENGKLASIFIKASI PENYAKIT HEPATITIS C VIRUS (HCV) (Doctoral dissertation, Universitas Muhammadiyah Jember).

Al Kindhi, B., Sardjono, T. A., & Purnomo, M. H. (2018). Optimasi Support Vector Machine untuk Memprediksi Adanya Mutasi pada DNA Hepatitis C Virus. Jurnal Nasional Teknik Elektro dan Teknologi Informasi (JNTETI), 7(3), 317-323.

John, T. M. S., 2008. Signs and Symptomps that May be Associated with Hepatitis C. Hepatitis C Choices. Caring Ambassadors Program, Inc., pp

Sandt, L., 2008. Understanding Hepatitis C disease. Hepatitis C Choices. Caring Ambassadors

Program, Inc., pp. 23-42.

Florin Gorunescu, Data mining concepts models and technique. berlin: Springer, 2011

Wu, Xingdong, The Top Ten Algorithm in Data mining. Minnesota: Taylor & Francis Group,

Saputri, N. D. (2021). Komparasi penerapan metode Bagging dan Adaboost pada Algoritma c4. 5 untuk prediksi Penyakit Stroke (Doctoral dissertation, UIN Sunan Ampel Surabaya).

Rabbani, M. N., Yusuf, A., & Rolliawati, D. (2021). Komparasi Model Prediksi Daftar Ulang Calon Mahasiswa Baru Menggunakan Metode Decision Tree Dan Adaboost. Jurnal Sisfokom (Sistem Informasi dan Komputer), 10(1), 18-24.

Destyar, M. R. (2021). IMPLEMENTASI METODE MODIFIED K-NEAREST NEIGHBOR UNTUK PREDIKSI HASIL TREATMENT PENYAKIT HEPATITIS C (Doctoral dissertation, Universitas Muhammadiyah Jember).




DOI: https://doi.org/10.34001/jdpt.v13i2.3052

Article Metrics

Abstract view : 1554 times
PDF - 785 times

Creative Commons License
This work is licensed under a Creative Commons Attribution-ShareAlike 4.0 International License.

Disprotek Indexed by:

1 Google Scholar 2 BASe3 Onsesearch 4 Garuda 5 Sinta 6 Dimensions7 Crossref 8 JurnalStories 9 ROAD 10 ICE11 ORCID  

Visitor Statistics
Web Analytics Made Easy - StatCounter
Flag Counter

Lisensi Creative Commons

DISPROTEK: Journal of Informatics Engineering, Information Systems, Electrical Engineering, Industrial Engineering, Civil Engineering, and Aquaculture is licensed under a Creative Commons Attribution-ShareAlike 4.0 International License.