Klasifikasi Penyakit Ginjal Kronis (CKD) dengan Algoritma KNN dan Decision Tree ID3

Abstrak

Penyakit Ginjal Kronis merupakan masalah kesehatan global yang memerlukan diagnosis untuk pencegahan
komplikasi. Menurut Direktur Pencegahan dan Pengendalian Penyakit Tidak Menular Kemenkes RI, di
Indonesia sendiri, Penyakit Gagal Ginjal Kronis menjadi penyebab kematian urutan ke-10 dengan angka
kematian lebih dari 42 ribu per tahun. Gagal ginjal kronis adalah kondisi ketika fungsi ginjal menurun secara
bertahap. Penyakit gagal ginjal bisa terjadi karena berbagai faktor, termasuk hipertensi, diabetes, penyakit
autoimun, infeksi ginjal, serta batu ginjal yang tidak diobati secara tepat. Langkah yang dapat digunakan
untuk pencegahan yaitu dengan identifikasi penyakit dengan klasifikasi data mining. Banyak metode yang
sudah digunakan untuk memprediksi penyakit gagal ginjal kronis, diantaranya adalah metode K-Nearest
Neighbor (KNN) & Decision Tree ID3. Pada penelitian ini dilakukan klasifikasi menggunakan metode KNN
dan ID3 dengan menguji data dengan berbagai persentase data uji, yaitu 10%, 20%, 30% dan 40%. Setelah
dilakukan pengujian, hasil perhitungan tertinggi dari metode KNN terdapat pada data uji persentase 30%
dengan nilai k=3, akurasi yang didapat mencapai 99.16%. Sedangkan pada metode Decision tree ID3, nilai
akurasi tertinggi terdapat pada persentase data uji 30% dengan nilai akurasi 98.33%.

Kata kunci: Gagal Ginjal Kronis; Klasifikasi; K-Nearest Neighbor; Decision Tree ID3