IMPLEMENTASI FUZZY DECISION TREE UNTUK PREDIKSI PENYAKIT LIVER PADA DATASET ILPD (INDIAN LIVER PATIENT DATASET)

Human liver belongs to one of the main body organs which functions for changing poisonous to be nutritious substances in order to control the hormone level of body. Consequently, liver disease can cause many problems in the human life. Fast and accurate prediction on it enables early and effective treatment. Nowadays, the advancement of computer technology has eased the diagnosis or decision-making process. Machine learning allows a computer to decide or give right suggestion. Trial on it has been carried out by fuzzy decision tree algorithm with some threshold values namely fuzziness control threshold (ðœƒð‘Ÿ) and leaf decision threshold (ðœƒð‘›) which were determined trial method of 10-fold cross validation and obtained accuracy by 78.95%. Since this accuracy was gained from distinct threshold values, the researcher used Receiver Operating Characteristics (ROC) method to investigate the performance of good accuracy. The result of ROC demonstrated that the most optimum accuracy by 78.95% was obtained on ðœƒð‘Ÿ=75%,77%,80%,82%,85%,87%,90%,92%,95%,98% and ðœƒð‘›=6%.Keywords: liver disease, Fuzzy Decision Tree, K-Fold Cross Validation, Receiver Operating CharacteristicsHati manusia adalah salah satu organ utama dalam tubuh dan penyakit liver dapat menyebabkan banyak masalah dalam kehidupan manusia. Hati mengubah zat beracun menjadi nutrisi dan kemudian tubuh menggunakannya untuk mengendalikan tingkat hormon dalam tubuh. Prediksi penyakit liver yang cepat dan akurat memungkinkan perawatan dini dan efektif. Perkembangan dari teknologi komputer membuat pekerjaan diagnosis atau pengambilan keputusan menjadi lebih mudah. Di dalam machine learning memungkinkan sebuah komputer mampu untuk memutuskan atau memberikan saran yang tepat. Uji coba telah dilakukan menggunakan algoritme fuzzy decision tree dengan menggunakan beberapa nilai threshold yaitu fuzziness control threshold (ðœƒð‘Ÿ) dan leaf decision threshold (ðœƒð‘›) yang telah di tentukan dengan metode uji coba 10-fold cross validation dan diperoleh hasil akurasi sebesar 78.95%. Dikarenakan akurasi tersebut di peroleh di beberapa nilai threshold yang berbeda, maka untuk mengetahui kinerja akurasi yang baik digunakanlah metode receiver operating characteristics (ROC) sehingga hasil ROC menunjukkan bahwa akurasi yang paling optimal 78.95% berada saat ðœƒð‘Ÿ=75%,77%,80%,82%,85%, 87%,90%,92%,95%,98% dan ðœƒð‘›=6%.Kata Kunci: Penyakit Liver, Fuzzy Decision Tree, K-Fold Cross Validation dan Receiver Operating Characteristic