KLASIFIKASI DAMPAK DAN KONDISI PASIEN HEPATITIS MENGGUNAKAN METODE DECISION TREE

• LUHUR PAMBUDI
• 2025

---

Hepatitis merupakan penyakit peradangan hati yang dapat berakibat fatal apabila tidak terdeteksi dan ditangani sejak dini. Salah satu jenis yang berbahaya adalah hepatitis C, yang kerap tidak menunjukkan gejala jelas di awal infeksi. Penelitian ini bertujuan membangun model klasifikasi untuk memprediksi kondisi pasien hepatitis menggunakan algoritma Decision Tree tipe C4.5. Data yang digunakan merupakan data klinis pasien hepatitis sebanyak 155 entri dari platform Kaggle, dengan atribut seperti usia, jenis kelamin, penggunaan obat, serta gejala klinis. Proses penelitian mencakup preprocessing data, pelatihan model, evaluasi performa menggunakan akurasi, precision, recall, dan visualisasi pohon keputusan dengan bantuan perangkat lunak RapidMiner. Hasil pengujian menunjukkan bahwa model memberikan akurasi terbaik sebesar 80,65% pada proporsi pembagian data 80:20, dengan precision sebesar 91,30% untuk kelas “Live” dan recall sebesar 66,67% untuk kelas “Die”. Visualisasi pohon keputusan menghasilkan model yang dapat diinterpretasikan dengan mudah, menjadikan metode ini potensial sebagai sistem pendukung keputusan dalam klasifikasi risiko pasien hepatitis. Penelitian ini diharapkan dapat membantu tenaga medis maupun masyarakat dalam memahami kondisi kesehatan secara lebih informatif dan objektif.

Kata Kunci: Hepatitis, Decision Tree, C4.5, Data Mining, RapidMiner, Klasifikasi Medis.

• KLASIFIKASI DAMPAK DAN KONDISI PASIEN HEPATITIS MENGGUNAKAN METODE DECISION TREE

https://repository.bsi.ac.id/repo/72686/KLASIFIKASI-DAMPAK-DAN-KONDISI-PASIEN-HEPATITIS-MENGGUNAKAN-METODE-DECISION-TREE
File full-text dikunci.