PERBANDINGAN KINERJA ALGORITMA C4.5 DAN RANDOM FOREST UNTUK KLASIFIKASI PENYAKIT TUBERCULOSIS (TBC) DI PUSKESMAS JAJAG

Tuberkulosis adalah penyakit menular yang disebabkan oleh Mycobacterium Tuberculosis, yang dapat menyerang paru dan organ lainnya. Berdasarkan Global TB Report WHO 2021, Indonesia merupakan negara dengan beban TBC tertinggi ketiga di dunia. Data rekam medik pasien Tuberkulosis yang tersimpan di puskesmas dapat digunakan untuk pengembangan data menggunakan pola dari data sehingga memudahkan petugas mengambil keputusan terkait penyakit Tuberkulosis. Tujuan sistem ini bukan untuk menggantikan peran dokter, tetapi untuk memberikan rekomendasi atau kemungkinan hasil diagnosis berdasarkan gejala yang dialami pasien. Selain itu, sistem ini dapat memprediksi atau mendiagnosis penyakit TB sejak dini, sehingga membantu mengurangi penyebaran penyakit TB di masyarakat. Penelitian ini akan menggunakan Algoritma C4.5 dimana dalam pengimplementasiannya akan didapatkan pohon keputusan sebuah sinformasi untuk acuan dalam melakukan prediksi terhadap penyakit Tuberkulosis, kemudian akan dibandingkan dengan Random Forest yang merupakan metode klasifikasi untuk prediksi yang menghasilkan nilai akurasi yang baik dan lebih stabil. Kemudian dicari hasil akurasi, presisi, dan recall yang terbaik dari perbandingan tersebut. Hasil penelitian ini adalah hasil pengujian tertinggi pada metode Algoritma C4.5 menggunakan Fold Cross Validation dengan nilai K = 2 pada Langkah Uji 1 dengan akurasi sebesar 71,2%, presisi sebesar 75% dan recall sebesar 63%. Sedangkan hasil pengujian tertinggi pada metode Random Forest menggunakan Fold Cross Validation dengan nilai K = 4 pada Langkah Uji 2 dengan akurasi sebesar 73%, presisi sebesar 75,8% dan recall sebesar 68,1%. Kesimpulan dari penelitian ini adalah metode Random Forest memiliki kinerja yang lebih baik dari metode Algoritma C4.5.