Perbandingan metode regresi logistik biner dan classification and regression trees (CART) untuk klasifikasi diagnosa penyakit diabetes mellitus (DM)

Diabetes Mellitus merupakan suatu penyakit yang mempunyai karakteristik hiperglikemia (kadar gula darah tinggi lebih dari sama dengan 187 mg/dL) sedangkan kadar gula darah normal pada tubuh manusia kurang dari sama dengan 140 mg/dL. Penyakit ini mempunyai risiko tinggi sehingga diperlukan tes laboratorium untuk menentukan apakah pasien mengidap penyakit Diabetes Mellitus. Oleh karena itu, perlu metode klasifikasi secara tepat untuk mengklasifikasikan data sesuai dengan kriteria class. Variabel yang digunakan dalam penelitian ini yaitu usia, faktor keturunan, kadar gula darah, obesitas dan pola makan sedangkan variabel respon yaitu diagnosa pasien (negatif atau positif Diabetes Mellitus). Metode klasifikasi yang digunakan adalah Regresi Logistik Biner dan CART (Classfication And Regression Trees). Berdasarkan data testing sebesar 30% pengklasifikasian menggunakan metode Regresi Logistik Biner diperoleh ketepatan hasil klasifikasi sebesar 91,67% dan terdapat empat faktor yang berpengaruh, yaitu usia, faktor keturunan, kadar gula darah dan obesitas. Sementara itu, metode CART diperoleh ketepatan hasil klasifikasi sebesar 90,27% dan terdapat 13 rule, yaitu 5 rule dengan kategorik positif Diabetes Mellitus dan 8 rule dengan kategorik negatif Diabetes Mellitus. Dalam penelitian ini, metode klasifikasi menggunakan Regresi Logistik Biner lebih baik daripada CART.