%0 Generic
%A FADHILAH , GUSTRIANDINI
%C UNIVERSITAS LAMPUNG
%D 2023
%F eprints:70988
%I FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM  
%T IMPLEMENTASI KLASIFIKASI PENYAKIT GINJAL KRONIK  MENGGUNAKAN DECISION TREE ALGORITMA CLASSIFICATION AND   REGRESSION TREES (CART)
%U http://digilib.unila.ac.id/70988/
%X Klasifikasi merupakan salah satu teknik dari data mining dan merupakan hasil dari  pembentukan model yang digunakan untuk melakukan prediksi suatu label kelas serta  mengelompokkan data.  Decision tree adalah salah satu metode klasifikasi yang  melakukan pembagian dari sekumpulan data menjadi beberapa himpunan data  dengan visualisasi berbentuk pohon.  Penelitian ini dilakukan untuk  mengklasifikasikan pasien yang terindikasi penyakit ginjal kronik dengan  membangun model dari 11 variabel yang mempengaruhi penyakit ginjal kronik  menggunakan salah satu algoritma dari decision tree, yaitu algoritma Classification  and Regression Trees atau CART.  Evaluasi model dibangun dari tiga proporsi  pembagian data testing dan data training, yaitu 20:80, 30:70, dan 40:60.   Berdasarkan hasil perhitungan diperoleh bahwa tingkat akurasi tertinggi dihasilkan  pada proporsi 30:70 yaitu sebesar 98.33%.     Kata Kunci: Data Mining, Decision Tree, Classification and Regression Trees(CART)              ABSTRACT    Classification is one of the data mining techniques by building a model whose results  can be used to predict a class label and classify data.  The decision tree is one of the  classification methods that divides a set of data into several data sets with tree-shaped  visualization.  This research was conducted to classify patients who indicated chronic  kidney disease by building a model of 11 variables that affect chronic kidney disease  using one of the decision tree algorithms, namely the Classification and Regression  Trees or CART algorithm.  Model evaluation is built from three proportions of testing  data and training data, which are 20:80, 30:70, and 40:60.  Based on the results of the  calculation, it is obtained that the highest accuracy rate is generated at the proportion  of 30:70, which is 98.33%.    Key words: Data Mining, Decision Tree, Classification and Regression Trees (CART)