Abstract:
Diabetes adalah salah satu penyakit kronis yang sering ditandai dengan kadar gula (glukosa)
darah yang tinggi atau di atas nilai normal. Selain kadar gula tinggi, sebenarnya masih
banyak faktor yang merupakan indikator dari penyakit diabetes mellitus, seperti umur, faktor
keturunan, berat badan berlebih dan masih banyak lagi. Penurunan kinerja pada beberapa
organ tubuh manusia yang diakibatkan oleh peningkatan usia dapat menjadikan mereka sebagai
target yang rentan terkena Diabetes Mellitus. Glukosa yang masuk ke dalam tubuh manusia
melalui makanan yang dikonsumsi secara berlebihan dapat berpotensi menyebabkan penyakit
diabetes akibat terjadinya penumpukan glukosa di dalam darah. Jika diabetes tidak ditangani
dengan baik, hal ini dapat menimbulkan berbagai komplikasi yang dapat membahayakan
nyawa penderitanya. Banyaknya faktor yang menjadi indikator dari penyakit diabetes sering
mengakibatkan kebingungan pada manusia yang berujung kepada sikap tidak peduli.
Penelitian ini mencoba untuk dapat dengan cepat mendeteksi dugaan seseorang terhadap
serangan penyakit Diabetes Mellitus berdasarkan indikator-indikator/ gejala diabetes. Pendeteksian
dapat dilakukan dengan berbagai cara, salah satunya adalah dengan menggunakan metode
penelusuran pada pohon keputusan ID3. Algoritma yang digunakan pada metode ini adalah
algoritma ID3. Pohon keputusan ID3 dibangun oleh algoritma ID3 dengan menggunakan dataset
yang berisi kumpulan data medis pasien yang terdeteksi positif maupun negatif dari Diabetes
Mellitus beserta atribut-atribut yang menjadi indikatornya. Pohon keputusan tersebut kemudian
digunakan untuk penelusuran data medis baru berupa indikator-indikator yang ingin dicari
kesimpulannya terkait dugaan gejala Diabetes Mellitus. Data medis pengguna seperti kadar
glukosa, kadar C-peptida digunakan sebagai atribut penelusur pada pohon keputusan ID3. Hasil
kerja algoritma ID3 memberikan status dugaan gejala Diabetes Mellitus dari data medis baru.
Program dibangun dengan menggunakan bahasa pemograman Javascript dan telah diuji
terhadap sejumlah kasus uji dengan menggunakan evaluasi Confusion Matrix dengan memperoleh
presisi rata-rata setara dengan 67.31%, recall dengan rata-rata setara dengan 36.28%, f1 score
dengan rata-rata setara dengan 46.76% dan akurasi rata-rata setara dengan 47.16%. Bedasarkan
hasil pengujian, program yang dihasilkan pada penelitian ini yaitu untuk mendukung keputusan
dalam memperkirakan status kesehatan pengguna terkait Diabetes Mellitus masih belum dapat
dimanfaatkan oleh pengguna. Karena hasil pengujian yang diperoleh masih jauh dari kata
sempurna atau masih belum memperoleh nilai hasil pengujian yang setara dengan 100%.