Implementasi Metode Klasifikasi C4.5 Penyebab Faktor Resiko Penyakit Stroke

Abstract

Stroke merupakan masalah kesehatan utama bagi masyarakat modern. Pada saat ini, stroke semakin menjadi masalah serius yang dihadapi hampir diseluruh dunia. Hal tersebut dikarenakan serangan stroke yang mendadak dapat mengakibatkan kematian, kecacatan fisik dan mental baik pada usia produktif maupun usia lanjut. Penyakit Stroke merupakan jenis penyakit yang mematikan dimana masuk kedalam 10 jenis penyakit yang paling mematikan. Untuk membantu mempercepat hasil diagnosa penderita stroke, maka dibutuhkan suatu algoritma klasifikasi yang dapat mengklasifikasikan suatu data yang banyak dalam waktu yang singkat. Di antara banyaknya algoritma klasifikasi, algoritma Decision Tree C4.5 dinilai cocok untuk digunakan dalam penelitian ini berdasarkan tujuan penelitian ini yaitu mengklasifikasi algoritma Decision Tree C4.5 yang memiliki kecepatan dan ketepatan yang tinggi untuk proses klasifikasi walaupun data yang dipakai bervolume besar. Pengujian dilakukan dengan membagi data menjadi dua set, yaitu data training (90% atau 80%) dan data testing (10% atau 20%). Hasil pengujian menunjukkan bahwa Rapidminer mencapai tingkat akurasi sebesar 93.50% pada pembagian data training 90% dan data testing 10%, serta meningkat menjadi 94.30% saat pembagian data training menjadi 80%. Di sisi lain, penggunaan Python memberikan tingkat akurasi yang sedikit lebih rendah, yaitu 92% pada data training 90% dan testing 10%, dan 91% pada data training 80% dan testing 20%. Meskipun demikian, baik Rapidminer maupun Python memberikan hasil yang cukup baik dalam memprediksi kasus stroke.