Fuzzy Decision Tree Dengan Algoritma Iterative Dichotomiser 3 (Id3) Untuk Klasifikasi Gangguan Hati

Penyakit gangguan hati berada pada peringkat sepuluh besar penyakit fatal di dunia. Gangguan fungsi hati sulit untuk dikenali pada tahap awal, karena itu diperlukan deteksi dini pada pasien untuk meningkatkan kelangsungan hidupnya. Tes fungsi hati bisa membantu mengevaluasi, mendeteksi dan memonitor kerusakan pada hati.Pada penelitian ini diterapkan metode fuzzy decision tree dengan algoritma ID3untuk mengklasifikasikan gangguan hati yang mungkin timbul akibat konsumsi alkohol berlebih berdasarkan hasil pemeriksaan darah. Data yang digunakan adalah dataset Liver Disorder dari UCI Machine Learning yang berjumlah 345 data dengan 6 atribut parameter dan kelas klasifikasi. Teknik pertama yang dilakukan adalah pembentukan himpunan fuzzy pada data latih, kemudian pembentukan tree dengan algoritma ID3 yang menghasilkan aturan-aturan. Aturan yang telah terbentuk mengalami proses pengujian dengan menggunakan metode inferensi Mamdani. Hasil dari proses defuzzifikasi pada inferensi Mamdani inilah yang digunakan untuk menentukan kelas output. Berdasarkan hasil uji coba, Fuzziness Control Threshold (FCT) dan Leaf Decision Threshold (LDT) sangat berpengaruh terhadap rule yang dihasilkan. Nilai FCT yang terlalu tinggi atau nilai LDT yang terlalu rendah dapat menyebabkan turunnya akurasi. Dari hasil uji coba dengan menggunakan data latih yang bervariasai maka didapatkan tingkat akurasi yang berbeda pula. Hasil akurasi tertinggi dicapai pada nilai FCT sebesar 70% sampai 90% dengan nilai LDT sebesar 3% sampai 15% yaitu 64,44%