Penerapan Algoritma C4.5 dengan Teknik Pruning untuk Diagnosis Dini Penyakit Demam Berdarah
DOI:
https://doi.org/10.69693/ijmst.v5i1.14735Keywords:
Demam Berdarah Dengue, Diagnosis Dini, Machine Learning, Algoritma C4.5, Cost Complexity PruningAbstract
Demam Berdarah Dengue (DBD) merupakan penyakit yang membutuhkan diagnosis dini secara tepat untuk mengurangi risiko komplikasi dan kematian. Penelitian ini bertujuan menerapkan algoritma Decision Tree C4.5 dengan teknik pruning untuk menghasilkan model klasifikasi diagnosis dini DBD yang akurat, sederhana, dan mampu meminimalkan risiko overfitting. Penelitian ini menggunakan dataset sekunder yang diperoleh dari Kaggle sebanyak 1.433 record. Melalui tahapan preprocessing yang meliputi pemeriksaan, pembersihan, dan seleksi data, diperoleh 1.418 data bersih yang terdiri atas 718 data Negatif DBD dan 700 data Positif DBD. Data tersebut memiliki enam atribut prediktor hematologi dan satu atribut target. Selanjutnya, dataset dibagi menjadi 80% data latih dan 20% data uji. Proses klasifikasi dilakukan menggunakan algoritma C4.5 dengan kriteria entropy, kemudian dioptimasi melalui teknik Cost Complexity Pruning menggunakan parameter ccp_alpha untuk menyederhanakan struktur pohon keputusan. Hasil penerapan pruning menunjukkan penyederhanaan struktur pohon dari delapan tingkat dan 27 daun menjadi model yang lebih ringkas dengan atribut Platelet Count (≤142.000) sebagai root node. Hasil evaluasi terhadap 284 data uji menunjukkan akurasi sebesar 97,89%. Model memperoleh Precision, Recall, dan F1-Score masing-masing sebesar 0,97, 0,99, dan 0,98 pada kelas Positif DBD, serta 0,99, 0,97, dan 0,98 pada kelas Negatif DBD. Dengan demikian, penerapan teknik pruning menghasilkan model klasifikasi yang memiliki kinerja baik dan berpotensi mendukung proses identifikasi awal DBD.
References
1. Ahmad, Z. F., Salsabila Mongilong, N., Kadir, L., Indah Nurdin, St. S., & Rahmawaty Moo, D. (2023). Perbandingan Manifestasi Klinis Penderita Demam Berdarah. Indonesian Journal of Pharmaceutical Education, 3(1). https://doi.org/10.37311/ijpe.v3i1.19231
2. Alnuaimi, A. F. A. H., & Albaldawi, T. H. K. (2024). An overview of machine learning classification techniques. BIO Web of Conferences, 97. https://doi.org/10.1051/bioconf/20249700133
3. Dewi, A. M. N. P. T. N. G. L. (2023). Prediksi Daerah Rawan Penyakit Demam Berdarah Menggunakan Algoritma C4.5. Volume 2(2).
4. Halabaku, E., & Bytyçi, E. (2024). Overfitting in Machine Learning: A Comparative Analysis of Decision Trees and Random Forests. Intelligent Automation and Soft Computing, 39(6), 987–1006. https://doi.org/10.32604/iasc.2024.059429
5. Hasibuan & Suhardi. (2025). Higher Education and Health Breakthroughs: Residual Network for Pneumonia Detection from Chest X-ray Images. 15(5).
6. Istiqomah, K., & Sofica, V. (2025). Penerapan Data Mining Menggunakan Algoritma Decision Tree Untuk Menganalisis Penggunaan Media Sosial Dengan Konsentrasi Belajar Mahasiswa. RIGGS: Journal of Artificial Intelligence and Digital Business, 4(4), 53–67. https://doi.org/10.31004/riggs.v4i4.3228
7. Junaidi, S., Beno, I. S., Farkhan, M., Supartha, I. K. D. G., Pasaribu, A. A., Kmurawak, R. M., Supiyanto, Sroyer, A. M., Reba, F., Fitriyanto, R., Syafiqoh, U., & Rizal, A. A. (2024). Buku Ajar Machine Learning (Efitra, Ed.). SonpediaPublishingIndonesia.
8. Kadek, I., Prayoga, Y., Made, I., Sunarya, G., & Suputra, P. H. (2025). Klasifikasi Penyakit Demam Berdarah Menggunakan Algoritma Stacking Ensemble Learning. Vol. 8(2). https://doi.org/10.31598
9. Kalsum, D. N., Alkadri, S. P. A., & Istikoma, I. (2025). Implementation of Data Mining to Predict Dengue Prone Areas Using C4.5 Algorithm (Case Study: Sanggau Regency). Smart Comp: Jurnalnya Orang Pintar Komputer, 14(1). https://doi.org/10.30591/smartcomp.v14i1.7540
10. Nurhakim, B., Dikananda, A. R., Hamonangan, R., & Prasetyo, R. A. (2024). Data Cerdas Di Dunia Pendidikan Penerapan Machine Learning Untuk Kepuasan Mahasiswa (A. Sofatunisa, Ed.). MegaPressNusantara.
11. Ramadhani, F., Satria, A., & Sari, I. P. (2023). Implementasi Metode Fuzzy K-Nearest Neighbor dalam Klasifikasi Penyakit Demam Berdarah. Hello World Jurnal Ilmu Komputer, 2(2), 58–62. https://doi.org/10.56211/helloworld.v2i2.253
12. Siahaan, R. F., & Muliono, R. (2025). JITE (Journal of Informatics and Telecommunication Engineering) Coffee Quality Classification Based on Customer Reviews Using C4.5 Algorithm. JITE, 8. https://doi.org/10.31289/jite.v8i3Spc.14427
13. Sofiana, E., Herin, L., & Prasetyaningru, P. T. (2024). Sistem Pakar Diagnosa Penyakit Demam Berdarah Dengue Dan Tifoid Menggunakan Metode Certanty Factor Berbasis Web. In Journal of Computer and Information Systems Ampera (Vol. 5, Number 3). https://journal-computing.org/index.php/journal-cisa/index
14. Supandi, & Zaehol Fatah. (2025). Penerapan Data Mining Untuk Prediksi Diagnosis Demam Berdarah Dengan Algoritma Decision Tree C4.5. Journal Of Computer Science And Technology (JOCSTEC), 3(2), 74–82. https://doi.org/10.59435/jocstec.v3i2.437
15. Syahputri, C. N., & Hasibuan, M. S. (2024). Optimasi Klasifikasi Decision Tree Dengan Teknik Pruning Untuk Mengurangi Overfitting. JSiI (Jurnal Sistem Informasi), 11(2), 87–96. https://doi.org/10.30656/jsii.v11i2.9161
Downloads
Published
How to Cite
Issue
Section
License
Copyright (c) 2026 Indonesian Journal of Multidisciplinary on Social and Technology

This work is licensed under a Creative Commons Attribution 4.0 International License.














