Detail Cantuman Kembali
IMPLEMENTASI DATA MINING UNTUK PREDIKSI PENYAKIT DIABETES MENGGUNAKAN ALGORITMA K-NEAREST NEIGHBOR (K-NN)
- Bagikan:
Gaya hidup manusia yang saat ini sudah modern membuat manusia serba
instan dan gaya hidup yang kurang aktif menyebabkan berbagai macam penyakit
salah satunya Diabetes Mellitus Tipe 2. Peningkatan kasus Diabetes Mellitus Tipe
2, terdapat sekitar 422 juta penderita Diabetes Mellitus Tipe 2 di dunia dan 1,5
juta kematian dihubungkan dengan Diabetes Mellitus setiap tahun (WHO, 2021).
Salah satu faktor peningkatan kematian adalah karena penundaan diagnosis dan
juga pencatatan. Teknik klasifikasi data mining adalah salah satu metode
pencatatan. Penelitian ini bertujuan mengimplementasikan data mining serta
mengetahui tingkat keakurasian untuk memprediksi diagnosis Penyakit Diabetes
Mellitus Tipe 2. Data yang digunakan diperoleh dari website Kaggle yang
mencakup variabel usia, BMI, kadar glukosa darah puasa, kadar insulin, dan
tekanan darah dengan keseluruhan data berjumlah 2000 data. Model algoritma
yang digunakan pada penelitian ini adalah algoritma K-Nearest Neighbor (K-NN)
dengan menggunakan 2 pengujian yaitu Uji A dengan ratio 70% data training dan
30% data testing dan Uji B dengan ratio 80% data training dan 20% data testing.
Hasil penelitian menunjukkan bahwa hasil akurasi terbaik dihasilkan oleh uji yang
menggunakan perbandingan split validation 80:20 dengan hasil akurasi sebesar
93,25% dan F1-Score Macro sebesar 92.75%
Kata Kunci: Diabetes Mellitus Tipe 2, K-Nearest Neighbors, Kaggle, Rapid Miner,
Split Validation
014 FEB I R.I
NONE
Text Skripsi
Indonesia
UNIVERSITAS TEKNOLOGI DIGITAL INDONESIA (UTDI)
2025
Yogyakarta
LOADING LIST...
LOADING LIST...
