Klasifikasi Penyakit Liver dengan Menggunakan Decision Tree

Abstract

Penyakit liver merupakan penyakit yang berbahaya. Sehingga, penanganan pasien pada tahap awal sangatlah penting, sehingga kami melakukan klasifikasi dataset liver dengan menggunakan metode decision tree. Di mana dataset yang digunakan yaitu ILPD (Indian Liver Patient Dataset). Tahap pertama yang dilakukan adalah penghapusan data yang duplikat, lalu pembagian data, normalisasi, dan tahap terakhir yaitu pemodelan dengan menggunakan decision tree. Untuk pembagian data dengan metode holdout validation dengan nilai test size 0.2 dan k-fold cross validation dengan nilai test size 0.6, lalu dinormalisasi menggunakan min-max atau standar scaler. Hasil yang didapatkan dari penelitian ini dengan metode k-fold cross validation dan min-max hasil akurasinya adalah 0.7, lalu menggunakan k-fold cross validation dan standar scaler hasil akurasinya sebesar 0.7333, jika menggunakan holdout validation dan min-max hasil akurasinya sebesar 0.5342, dan jika menggunakan holdout validation dan standar scaler hasilnya 0.6027. Sehingga dapat disimpulkan bahwa akurasi yang terbesar adalah dengan menggunakan k-fold cross validation dan standar scaler.