Analisis Komparatif Tool Analisis Komparatif Tool Data Mining WEKA dan RapidMiner dalam Klasifikasi Penyakit Ginjal Kronis (PGK) Berbasis Dataset UCI

Abstract

Penyakit ginjal kronis (PGK) merupakan salah satu penyakit tidak menular dengan tingkat prevalensi dan mortalitas yang terus meningkat secara global. Deteksi dini PGK sangat penting untuk mencegah komplikasi dan memperpanjang harapan hidup pasien. Penelitian ini bertujuan untuk membandingkan performa algoritma klasifikasi yang diterapkan pada dua platform data mining populer, yaitu WEKA dan RapidMiner, dalam menganalisis dataset penyakit ginjal kronis dari UCI Machine Learning (ML) Repository. Tiga algoritma klasifikasi digunakan dalam eksperimen, yaitu Decision Tree, Naive Bayes, dan Support Vector Machine (SVM), dengan skema validasi silang 10-fold. Kinerja model dievaluasi berdasarkan Confusion Matrix berupa nilai accuracy, precision, dan recall. Hasil menunjukkan bahwa terdapat perbedaan performa antar algoritma pada masing-masing platform. Pada tools WEKA, algoritma Decision Tree menunjukkan performa terbaik dengan akurasi 99%, diikuti oleh SVM dan Naive Bayes. Untuk nilai precisson secara umum, Rapid Miner menunjukkan kinerja lebih baik, namun untuk nilai racall, WEKA lebih unggul. Pada tools RapidMiner, Naive Bayes memberikan hasil paling akurat dengan nilai akurasi mencapai 99,5%, sedangkan SVM menyusul di bawahnya. Secara umum tools Rapid Miner memiliki kinerja akurasi yang lebih baik. Namun, setiap platform memiliki keunggulan masing-masing. WEKA unggul dari segi fleksibilitas eksperimen dan dukungan terhadap tuning parameter yang lebih teknis, sedangkan RapidMiner lebih ramah pengguna berkat antarmuka grafis yang intuitif dan kemampuan visualisasi proses yang baik