Perbandingan Algoritma Klasifikasi Decision Tree dan Naïve Bayes Classifier untuk Prediksi Penyakit Diabetes

Abstract

Diabetes merupakan salah satu penyakit yang mematikan yang harus menjadi perhatian bagi semua orang. Penyakit diabetes ini merupakan penyakit yang berlangsung sumur hidup serta dapat menimbulkan beberapa komplikasi jika penderita penyakit ini tidak bisa mengendalikannya. Sebagian besar penderita penyakit diabetes baru menyadari adanya penyakit ini setelah munculnya komplikasi serius seperti gangguan mata atau gangguan ginjal. Penelitian ini akan melakukan perbandingan algoritma klasifikasi Decision Tree dan Naïve Bayes Classifier dalam melakukan prediksi penyakit diabetes. Hasil akhir dari penelitian ini untuk melihat nilai akurasi dari masing-masing algoritma dalam melakukan prediksi berdasarkan model klasifikasi yang telah dihasil dari kedua algoritma tersebut. Dataset yang digunakan dalam melakukan uji coba kedua algoritma ini adalah dataset pasien penderita penyakit diabetes diperoleh dari repository dataset publik yang ada di situs resmi Kaggle. Berdasarkan hasil perhitungan nilai akurasi dari kedua model klasifikasi yang dibentuk dengan teknik sampling data linear sampling dan shuffled sampling, diperoleh nilai akurasi untuk model menggunakan algoritma Decision Tree sebesar 72.79% dan 71.87% dengan nilai classification error sebesar 27.21% dan 28.13%, sedangkan nilai akurasi menggunakan algoritma Naïve Bayes Classifier sebesar 76.05% dan 75.65% serta nilai classification error sebesar 23.95% dan 24.35%. Dari hasil ini dapat disimpulkan bahwa algoritma naïve bayes menghasilkan nilai akurasi yang sedikit lebih tinggi dibandingkan dengan algoritma Decision Tree dengan menggunakan dataset yang sama.