Penerapan Algoritme Klasifikasi Classification And Regression Trees (CART) Untuk Diagnosis Penyakit Diabetes Retinopathy

  • Pungkas Subarkah Universitas amikom purwokerto
Keywords: Diabetes Retinopathy, Klasifikasi, CART

Abstract

Penyakit diabetic retinopathy atau DR adalah salah satu komplikasi penyakit diabetes yang bisa menyebabkan kematian bagi penderitanya. Komplikasi tersebut berupa kerusakan pada bagian retina mata. Tingginya kadar glukosa dalam darah adalah penyebab pembuluh darah kapiler kecil menjadi pecah dan dapat menyebabkan kebutaan. Retinopati diabetes diawali dengan melemah atau hancurnya kapiler kecil di retina, darah bocor yang kemudian menyebabkan penebalan jaringan, pembengkakan, dan pendarahan yang luas. Penelitian ini bertujuan untuk menganalisis diagnosis penyakit diabetes retinopathy. Algoritme Classification And Regression Trees (CART) merupakan salah satu algoritme klasifikasi dengan menggunakan dataset diambil dari UCI Repository Learning diperoleh dari Universitas Debrecen, Hongaria, yang terdiri dari data pasien terindikasi penyakit diabetes retinopathy dan normal penyakit diabetes retinopathy. Metode yang digunakan dalam penelitian ini yaitu identifikasi masalah, pengumpulan data, tahap pre-processing, metode klasifikasi, validasi dan evaluasi serta penarikan kesimpulan. Adapun metode validasi dan evaluasi yang digunakan yaitu 10-cross validation dan confusion matrix.Dari hasil perhitungan yang telah dilakukan,  maka didapatkan hasil akurasi pada algoritme CART sebesar 63.4231%, dengan nilai precision 0.64%, nilai Recall 0.634%, dan nilai F-Measure 0,634%.

Downloads

Download data is not yet available.

References

[1] B. S. A. Ayu, Ratna Gitasari. Hidayat, “Klasifikasi Penyakit Diabetes Retinopati Berdasarkan Citra Digital dengan menggunakan Metode Wavelet dan Support Vector Machine.,” Universitas Telkom, 2013.
[2] I. M. Dewi, “Mengenal Lebih Jauh Retinopathy Diabetik,” 2018. [Online]. Available: https://www.columbiaasia.com/indonesia/health-articles/mengenal-lebih-jauhretinopathy-diabetik.
[3] “Diabetik Retina : Pergeseran Paradigma Kebutaan pada Era Milenial.” [Online]. Available: http://www.yankes.kemkes.go.id/read-retinopati-diabetik-pergeseran-paradigma-kebutaan-pada-era-milenial-5984.html. Diakses Hari Selasa, 03 Maret 2020. Pukul 14.57 WIB.
[4] S. Faust, O., Acharya, R. U., Ng, E. Y. K., Ng, K. H. and J.S, “Algorithmsafor theaAutomated Detection ofaDiabetic Retinopathy Using Digital FundusaImage : A Review,” JaMed Syst, 2010.
[5] IDF., “Diabetes Melitus Atlas,” Sixth Edition, 2013. [Online]. Available: http://www.idf.org/Diabetes Melitusatlas/download-book.Di akses Pada Hari Selasa, 03 Maret 2020. Pukul 15.04 WIB.
[6] and D. . S. Christobel, Angeline, “‘An Empirical Comparison of Data Mining Classification Methods,’” 201AD, pp. 24– 28.
[7] E. Prasetyo, Data Mining Konsep dan Aplikasi Menggunakan Matlab. Yogyakarta: Andi Offset, 2012.
[8] W. B. Komalasari, “Metode Pohon Regresi Untuk Eksplorasi Data Dengan Peubah Yang Banyak Dan Kompleks,” J. Infomatika Pertan., vol. Volume 16, 2007.
[9] Nuriyah, “Perbandingan Metode chi-square automstic interaction detection (chaid) dan classification and regression tree (cart) Dalam Menentukan Klasifikasi Alumni UIN Sunan Kalijaga Berdasarkan Masa Studi,” Universitas Islam Negeri Sunan Kalijaga, 2013.
[10] R. Timofeev, Classification and Regression Trees (CART) Theory and Aplications. Berlin: Humboldt University, 2004.
[11] D. Susanto, S., dan Suryadi, Pengantar Data Mining. Yogyakarta: Andi Offset, 2010.
[12] “Machine Learning Repository,” 2018. [Online]. Available: https://archive.ics.uci.edu/ml/datasets/Diabetic+Retinopathy+Debrecen+Data+Set#.
[13] M. Han, J., & Kamber, Data Mining Concepts, Model and Techniques 2nd Edition. San Fransisco: Elsevier, 2006.
Published
2020-05-30
How to Cite
Subarkah, P. (2020). Penerapan Algoritme Klasifikasi Classification And Regression Trees (CART) Untuk Diagnosis Penyakit Diabetes Retinopathy. MATRIK : Jurnal Manajemen, Teknik Informatika Dan Rekayasa Komputer, 19(2), 294-301. https://doi.org/https://doi.org/10.30812/matrik.v19i2.676
Section
Articles