KOMPARASI ALGORITMA KLASIFIKASI DATA MINING UNTUK MEMPREDIKSI PENYAKIT TUBERCULOSIS (TB): STUDI KASUS PUSKESMAS KARAWANG SUKABUMI

Abstract

Penyakit Tuberculosis(TB) merupakan penyakit menular dan mematikan didunia, bahkan World Health Organization (WHO) mencanangkan sebagai penyakit kedaruratan dunia (global emergency), beberapa penelitian bidang kesehatan termasuk salah satunya penyakit TB telah banyak dilakukan untuk mendeteksi
penyakit secara dini. Dalam penelitian ini dilakukan komparasi algoritma C4.5, naïve bayes, neural network dan logistic regression yang diaplikasikan terhadap data pasien yang dinyatakan positif TB dan negatif TB. Dari hasil pengujian dengan mengukur kinerja dari keempat algoritma tersebut menggunakan metode pengujian Confusion Matrix dan Kurva ROC, diketahui bahwa algoritma naïve bayes memiliki nilai accuracy paling tinggi, yaitu 91,61% diikuti oleh algoritma C4.5 dengan accuracy sebesar 89,77% metode neural network sebesar 84,07% dan yang terendah adalah metode logistic regression dengan nilai accuracy 80,02%, Nilai AUC untuk metode naïve bayes juga menunjukkan nilai tertinggi, yaitu 0,995, disusul algoritma C4.5 dengan nilai AUC sebesar 0,982, metode logistic regression dengan nilai AUC 0,968 dan yang terendah adalah nilai AUC neural network, yaitu 0,940. Melihat nilai AUC dari keempat metode tersebut, maka semua metode termasuk kelompok klasifikasi sangat baik, karena hasil nilai AUC-nya antara 0.90-1.00.