EVALUASI MODEL DECISION TREE C4.5 GUNA PREDIKSI POSIBILITAS RESIKO OBESITAS

Mochammad Yusa, Wahyu Sindu

Sari


Obesitas merupakan suatu masalah kesahatan yang efek negatif dengan konsekuensi panjang bagi pengidapnya, keluarga, maupun orang lain. Data Riskesdas menunjukkan bahwa sebanyak 21,7% penduduk dewasa Indonesia yang berusia lebih dari 18 tahun mengidap obesitas. Obesitas juga merupakan akar dari penyakit-penyakit berbahaya lainnya seperti penyakit jantung koroner (PJK) dan cenderung menjadi
diabetogenik yang akan mengkontaminasi penyakit-penyakit berbahaya seperti hiperlipidemia, penyakit hati dan kantong empedu, osteoartristis, kanker, dan penyakit saluran pernapasan. Selain menyebabkan masalah fisiologis obesitas juga menyebabkan masalah emosional dan psikologis seperti berkurangnya kepercayaan diri karena penampilan fisik ’kurang menarik’. Data Mining Data mining merupakan suatu metode atau teknik yang digunakan untuk memecahkan suatu permasalah data menggunakan implementasi-implementasi
untuk menemukan solusi data. Model Decision Tree Algortima C4.5 merupakan salah satu algoritma yang digunakan proses penggalian data (data mining) yang sangat kuat dan terkenal. Pada penelitian ini, kami mengusulkan sebuah evaluasi model Decision Tree Algortima C4.5 untuk proses klasifikasi sebagai solusi prediktif kemungkinan terjadinya obesitas. Kemudian Model ini dievaluasi dan divalidasi menggunakan WEKA 3.7.4 guna menghitung nilai permanci model yang digunakan.

Kata Kunci


Obesitas; Data Mining; Decision Tree; Algoritma C4.5, WEKA; Informatika Medis

Teks Lengkap:

PDF

Referensi


Albu-Shamah, Ahmad & Justin Zhan, 2013. Towards Obesity Causes, Prevalence and Prevention. IEEE Computer Society

Andriani, Anik, 2013, Sistem Pendukung Keputusan Berbasis Decision Tree Dalam Pemberian Beasiswa Studi Kasus: Amik “Bsi Yogyakarta”, Proceeding SENTIKA 2013, 9 Maret 2013, hal. 163168, ISSN: 2089-9815, Yogyakarta.

Basuki, A. and Syarif, I., 2003, Decision Tree, Surabaya: Politeknik Elektronika Negeri Surabaya - ITS.

Bramer, Max, 2007, Principles of Data Mining, London: Springer.

Ginting, S.L., Zarman, Wendi,dan Hamidah, Ida, 2014, Analisis Dan Penerapan Algoritma C4.5 Dalam Data Mining Untuk Memprediksi Masa Studi Mahasiswa Berdasarkan Data Nilai Akademik, Prosiding Seminar Nasional Aplikasi Sains & Teknologi (SNAST) 2014, Yogyakarta, 15 November 2014,

ISSN: 1979-911X, Hal. A263-A272.

Gorunescu, F., 2011, Data Mining Concept Model Technique, India: Springer.

Han, J. dan Kamber, M., 2001, Data Mining, Concepts and Techniques, 2nd ed.San Francisco, CA: Morgan Kaufmann.

Julianto,Windy, Yunitarini,Rika ,Dan Sophan, Mochammad K.,2014, Algoritma C4.5 Untuk Penilaian Kinerja Karyawan, Jurnal Scan Vol. IX Nomor 2 Juni 2014, ISSN : 1978-0087, Hal. 33-39.

Karolis,Minas A., dan Moutiris,Joseph A., 2010, Assessment of the Risk Factors of Coronary Heart Events Based on Data

Mining With Decision Trees, IEEE Transactions On Information Technology In Biomedicine, Vol. 14, NO. 3, May 2010. hal. 559-566.

Kharis, Irma, Rosa delima, dan Joko Purwadi, 2013, Generator pohon Keputusan Dengan Menerapkan Algoritma C4.5 Untuk Program Konsultasi, Jurnal Informatika Vol. 9. 1

April 2013. Hal. 1-10.

Kusrini & luthfi, E.T., 2009, Algoritma Data Mining, Yogyakarta:Andi publishing.

Larose, D. T, 2005, Discovering Knowledge in Data, New Jersey: John Willey & Sons, Inc.

Manna, S. Dan Jewkes, A.M. 2014. Understanding early childhood obesity risks: An empirical study using fuzzy

signatures. IEEE International Conference

Dinas Kesehatan Yogyakarta, 2015, Obesitas, Faktor Resiko Berbagai Penyakit. Anda Obesitas?, Awas Bahaya Mengancam!. Berita dan Artikel Dinas Kesehatan Yogyakarta,

http://dinkes.jogjaprov.go.id/berita/detil_berita/549-obesitas-faktor-resikoberbagai-penyakit-anda-awas-bahayamengancam,

Diakses 1 Mei 2015.

Rimbawan dan Albiner Siagian. 2004. Indeks Glikemik Pangan. Bogor : Penebar Swadaya

Badan Penelitian dan Pengembangan Kesehatan, 2010, Riset Kesehatan Dasar (Riskesdas 2010), Kementerian Kesehatan Republik Indonesia, Jakarta.

Santosa, Budi T.,2014, Analisa Dan Penerapan Metode C4.5 Untuk Prediksi Loyalitas Pelanggan, Jurnal Ilmiah Fakultas Teknik LIMIT’S Vol. 10 No.1, Hal 1-10. ISSN: 0216 - 1184

Sugondo, S., 2006, Obesitas. In: Sudoyo, AW., Setiyohadi, B., Alwi, I., Simadibrata, MK., Setiati, S., ed. Buku Ajar Ilmu Penyakit Dalam. Pusat Penerbit Departemen Ilmu Penyakit

Dalam Fakultas Kedokteran Universitas Indonesia, Jakarta: 1919-1925

Witten I. H., Frank E. and Hall, M. A. , 2011, DATA MINING - Practical Machine Learning Tools and Techniques (3rd ed), Elsevier Inc.


Refbacks

  • Saat ini tidak ada refbacks.


##submission.copyrightStatement##

##submission.license.cc.by4.footer##

Kantor Redaksi SNIf. Gedung LPPM Lt2, Kampus Universitas Potensi Utama. Jl. K.L. Yos Sudarso Km 6,5 No.3-A Telp. (061) 6640525 Ext. 214 Tanjung Mulia Medan 20241