Prediksi Tingkat Fertilitas Pria Dengan Algoritma Pohon Keputusan Cart

Abstract

Latar Belakang:  Masalah infertilitas antara pasangan suami isteri menjadi masalah penting yang dapat mengganggu keharmonisan rumah tangga, banyak orang masih menganggap infertilitas atau ketidaksuburan sebagai masalah wanita. Namun, sekitar 7% pria di usia produktif mengalami infertiltitas. Faktor terbesar penyebab infertilitas bagi pria adalah masalah kualitas sperma. Analisa sperma dapat menjadi prediktor terbaik dalam melihat potensi fertilitas pria. Teknik machine learning dan data mining dapat digunakan dalam automatisasi diagnosa penyakit.

Tujuan: Penelitian ini bertujuan untuk mendapatkan model klasifikasi yang berupa aturan-aturan dari data sampel sperma 100 sukarelawan. Dari model klasifikasi tersebut dapat digunakan untuk melakukan prediksi tingkat fertilitas pria yang dikelaskan menjadi 2 yaitu kelas normal dan kelas altered (fertilitas menurun).

Metode: Penelitian ini menggunakan data sampel sperma 100 sukarelawan berusia antara 18 hingga 36 tahun yang dianalisis sesuai dengan kriteria WHO. Sebelum proses data mining dapat dilaksanakan, perlu dilakukan praproses data yang meliputi pembersihan dan transformasi data. Proses datamining dilakukan dengan menggunakan algoritma CART, pada tahapan ini akan dicari pola atau informasi menarik dari data analisis sperma untuk menghasilkan model berupa pohon keputusan.

Hasil penelitian: Algoritma classification and regression trees (CART) mampu menghasilkan pohon keputusan dengan tingkat akurasi sebesar 84%. Terdapat 12 aturan dalam memprediksi tingkat fertilitas pria.

Simpulan: Dengan tingkat akurasi sebesar 84%, model pohon keputusan yang dihasilkan dalam penelitian ini dapat digunakan untuk membantu dokter dalam prediksi tingkat fertilitas pria.