29

BAB IV
HASIL PENELITIAN

A. Gambaran Umum Penelitian

Pada penelitian ini, akan dilakukan penerapan metode decision

tree menggunakan algoritma C4.5 untuk proses data mining. Bahasa
pemograman menggunakan bahasa Python yang dijalankan pada
Google Colab. Langkah awal pada penelitian ini adalah Label
Encoding yaitu mengubah value atribut yang awalnya teks menjadi
angka agar memudahkan proses perhitungan setelahnya. Data yang
telah diproses akan dibagi menjadi data training dan data testing.

Pada tahap implementasi, setelah data terbagi menjadi data

training dan data testing, algoritma C4.5 akan digunakan untuk
membangun model decision tree berdasarkan data training. Proses
ini melibatkan pemilihan atribut yang paling signifikan dalam
memprediksi label target, dengan memnggunakan konsep entropi
dab gain informasi untuk memutuskan pemisahan cabang dalam
tree. Setelah model terbentuk, data testing akan digunakan untuk
mengevaluasi kinerja model tersebut. Hasil prediksi dari model akan
dibandingkan dengan label asli dari data testing untuk menghitung
akurasi klasifikasi. Selain akurasi, metrik evaluasi lain seperti,
precision, recall dan F1-score juga dapat digunakan untuk
memberikan gambaran yang lebih kemprehensif mengenai performa
model.

Dengan demikian, penelitian ini tidak hanya berfokus pada

pencapaian nilai akurasi tertinggi tetapi juga mempertimbangkan
keseimbangan dan keandalan model dalam berbagai aspek
evaluasi. Sistem rancangan yang digunakan pada saat penelitian
dilakukan adalah masukan (input), pengolahan data, dan keluaran
(output).
 30

B. Data Selection

Pada tahap ini, data yang akan digunakan berupa dataset yang
memiliki format CSV(Comma Separated Values) yang diunduh dari
situs Kaggle dengan judul “Dataset Prediksi Terkena Penyakit Paru-
Paru” diunggah oleh Akbar Muharram pada tahun 2023.

C. Data Preparation

Setelah mendapatkan dataset yang sesuai dengan kebutuhan,

selanjutnya adalah melakukan persiapan pada dataset untuk
digunakan pada training model. Dataset terdiri dari 400 entry data
yang berisi beberapa atribut yaitu Usia, Jenis_Kelamin, Merokok,
Bekerja, Rumah_Tangga, Aktivitas_Begadang, Aktivitas_Olahraga,
Asuransi, Penyakit_Bawaan dan Hasil.

Tabel 4.1. Dataset Prediksi Penyakit Paru-Paru

No. Usia Jenis Mero Bek Rumah_ Aktivitas_ Aktivitas_ Asuransi Penyakit Hasil
_Kela kok erja Tangga Begadang Olahraga _Bawaan
min
1 Tua Pria Pasif Tida Ya Ya Sering Ada Tidak Ya
k
2 Tua Pria Aktif Tida Ya Ya Jarang Ada Ada Tidak
k
3 Mud Pria Aktif Tida Ya Ya Jarang Ada Tidak Tidak
a k
4 Tua Pria Aktif Ya Tidak Tidak Jarang Ada Ada Tidak

5 Mud Wanit Pasif Ya Tidak Tidak Sering Tidak Ada Ya

a a
6 Mud Wanit Pasif Ya Tidak Tidak Sering Tidak Ada Tidak
a a
… … … … … … … … … … …

… … … … … … … … … … …
Wanit
398 Tua a Aktif Ya Ya Ya Jarang Ada Ada Ya
Mud Wanit
399 a a Pasif Ya Tidak Ya Jarang Ada Ada Ya
Mud Tida
400 a Pria Aktif k Ya Ya Jarang Ada Tidak Tidak

D. Transformation
Tranformation adalah proses mengubah atau memanipulasi
data agar lebih cocok dan siap digunakan dalam analisis data atau
permodelan machine learning. Dataset perlu dilakukan Label
 31

Encoding yaitu merubah value dataset dengan memberikan kode

unik pada setiap data yang berupa string. Dalam penelitian ini,
terdapat dua kategori untuk setiap atribut, sehingga dapat diubah
menjadi value 1 dan 0.

Tabel 4.2 Hasil Label Encoding

Rumah Aktivita Aktivita Penyaki
Jenis_K Merok Asuran
No Usia Bekerja _Tangg s_Bega s_Olahr t_Bawa Hasil
elamin ok si
a dang aga an
1 1 0 1 0 1 1 1 0 1 1
2 1 0 0 0 1 1 0 0 0 0
3 0 0 0 0 1 1 0 0 1 0
4 1 0 0 1 0 0 0 0 0 0
5 0 1 1 1 0 0 1 1 0 1
6 0 1 1 1 0 0 1 1 0 0
… … … … … … … … … … …
… … … … … … … … … … …
398 1 1 0 1 1 1 0 0 0 1
399 0 1 1 1 0 1 0 0 0 1
400 0 0 0 0 1 1 0 0 1 0

Gambar 4.1 Kode Label Encoder

Dataset yang telah diubah akan dihilangkan salah satu

atributnya, yaitu atribut “Hasil”. Penghapusan atribut “Hasil”
dilakukan untuk mencegah bias dalam model, memastikan model
 32

hanya mengandalkan atribut independent, serta menjaga validitas

dan realibilitas model. Atribut “Hasil” memiliki potensi mempengaruhi
algoritma pembentukan pohon keputusan, sehingga dengan
menghapusnya, model dapat lebih fokus pada variabel-variabel
independent lainnya. Langkah ini memastikan model yang dihasilkan
adalah representasi akurat dari hubungan antar variabel dalam
dataset tanpa pengaruh atribut “Hasil”.

Tabel 4.3 Dataset tanpa atribut “Hasil”

Rumah Aktivita Aktivita Penyaki
Jenis_K Merok Asuran
No Usia Bekerja _Tangg s_Bega s_Olahr t_Bawa
elamin ok si
a dang aga an
1 1 0 1 0 1 1 1 0 1
2 1 0 0 0 1 1 0 0 0
3 0 0 0 0 1 1 0 0 1
4 1 0 0 1 0 0 0 0 0
5 0 1 1 1 0 0 1 1 0
6 0 1 1 1 0 0 1 1 0
… … … … … … … … … …
… … … … … … … … … …
398 1 1 0 1 1 1 0 0 0
399 0 1 1 1 0 1 0 0 0
400 0 0 0 0 1 1 0 0 1

Gambar 4.2 Kode Penghapusan Atribut “Hasil”

E. Algoritma C4.5
Pada tahap ini, dataset akan diproses dengan algoritma C4.5
menggunakan Google Colab. Terdapat beberapa library yang akan
digunakan pada proses ini seperti pandas, numpy, dan sklearn.

Training atau pelatihan model dilakukan dengan menggunakan

dataset yang telah diubah value-nya. Dataset training menggunakan
75% dari total data yang ada atau sebanyak 300 data, dan 25% atau
sejumlah 100 data lainnya digunakan untuk testing.
 33

Gambar 4.3 Kode Pembagian Data Training Dan Testing

Proses tersebut mendapatkan nilai akurasi sebagai berikut :

Gambar 4.4 Hasil Confusion Matrix

Gambar 4.5 Kode Perhitungan Confusion Matrix

Hasil perhitungan akurasi model adalah sebesar 92% dengan

persentasi tingkat Precision kelas 0 sebesar 95% dan kelas 1
sebesar 88%, tingkat Recall kelas 0 sebesar 92% dan kelas 1
sebesar 93%, tingkat F1-Score kelas 0 sebesar 93% dan kelas 1
sebesar 90%.