Perangkat lunak pendeteksi diabetes mellitus pada wanita dengan menggunakan algoritma ID3

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%.