Prediksi Risiko Anemia Berdasarkan Gender Menggunakan Algoritma C4.5

Abstract

Anemia merupakan salah satu masalah kesehatan yang terjadi di berbagai negara dan telah dikenal
luas oleh masyarakat. Kondisi ini dapat memberikan dampak yang signifikan terhadap kesehatan individu. Oleh
karena itu, diperlukan suatu model prediksi yang mampu mendeteksi risiko anemia secara dini sehingga tindakan
pencegahan dapat dilakukan lebih cepat dan tepat. Penelitian ini bertujuan untuk memanfaatkan tools
RapidMiner dalam memprediksi risiko anemia menggunakan metode Decision Tree. Data yang digunakan dalam
penelitian ini merupakan data publik yang diperoleh dari Kaggle. Proses preprocessing data, pemodelan, dan
evaluasi dilakukan menggunakan RapidMiner. Hasil penelitian menunjukkan bahwa model Decision Tree yang
dibangun mampu memprediksi risiko anemia dengan tingkat akurasi sebesar 81,66%. Faktor-faktor yang paling
berpengaruh dalam prediksi risiko anemia meliputi usia, jenis kelamin, dan status gizi. Di antara faktor-faktor
tersebut, jenis kelamin (gender) menunjukkan pengaruh yang cukup signifikan terhadap hasil prediksi. Model
yang dihasilkan dapat digunakan sebagai alat bantu untuk mengidentifikasi individu yang memiliki risiko tinggi
mengalami anemia sehingga dapat dilakukan tindakan pencegahan dan penanganan yang lebih tepat guna
mengurangi dampak serta prevalensi anemia.