<![CDATA[Penyakit tiroid adalah kelenjar endokrin murni terbesar di tubuh manusia, terletak di leher bagian depan. Gangguan fungsi tiroid seringkali sulit dikenali karena gejalanya tidak spesifik, dan sering diabaikan karena gejala penyakit tiroid sangat mirip dengan banyak penyakit gaya hidup modern. pasien seringkali tidak menyadari ada masalah pada dirinya dan tidak memeriksakan diri ke dokter. Oleh karena itu, penelitian dibidang kesehatan dilakukan untuk pengobatan lebih dini, guna mencegah kematian akibat terlambatnya penanganan. Penelitian ini menggunakan metode klasifikasi data mining Algoritma Decision Tree C4.5 dan Naïve Bayes dengan tujuan agar algoritma terpilih merupakan algoritma yang menghasilkan nilai akurasi dan nilai Area Under Curve (AUC) yang lebih baik. Data penelitian menggunakan Thyroid Disease Dataset UCI (University of California, Irvine) Machine Learning Repository. Hasil pengujian menunjukkan bahwa akurasi lebih baik diperoleh dari Algoritma Decision Tree C4.5 sebesar 97,12% sedangkan nilai akurasi Algoritma Naïve Bayes sebesar 76,02%. Nilai Area Under Curve (AUC) pada kurva Receiver Operating Characteristic (ROC) menunjukkan Algoritma Decision Tree C4.5 memiliki nilai lebih tinggi dari Algoritma Naïve Bayes dengan hasil klasifikasi Good Classification.]]>
Copyrights © 2022
