Prediksi Diabetes Menggunakan Algoritma Klasifikasi K-Nearest Neighbors (K-NN) pada Perempuan Indian Pima
Main Article Content
Supri Arrohman
Zaehol Fatah
Diabetes merupakan penyakit kronis yang ditandai dengan tingginya kadar glukosa dalam darah, yang dapat menyebabkan komplikasi serius jika tidak dikelola dengan baik. Dalam penelitian ini, dilakukan prediksi diabetes pada perempuan suku Indian Pima menggunakan algoritma klasifikasi K-Nearest Neighbors (K-NN). Dataset yang digunakan diperoleh dari National Institute of Diabetes and Digestive and Kidney Diseases, yang terdiri dari 769 data pasien dengan 9 atribut. Penelitian ini menggunakan metode deskriptif kuantitatif dengan pendekatan rekayasa perangkat lunak dan Library Online Research. Data dianalisis menggunakan RapidMiner versi 10.3. Hasil dari model K-NN menunjukkan tingkat akurasi sebesar 70,13%, dengan presisi 59,09% untuk pasien positif dan 74,55% untuk pasien negatif. Nilai recall yang diperoleh adalah 48,15% untuk pasien positif dan 82,00% untuk pasien negatif. Meskipun akurasi model ini cukup baik, penelitian lebih lanjut diperlukan untuk meningkatkan kualitas prediksi. Algoritma K-NN terbukti efektif digunakan dalam klasifikasi diabetes, tetapi kualitas hasil sangat bergantung pada kualitas data yang dianalisis.
Andrian, R., Naufal, M. A., Hermanto, B., Junaidi, A., & Lumbanraja, F. R. (2019). K-Nearest Neighbor (k-NN) Classification for Recognition of the Batik Lampung Motifs. Journal of Physics: Conference Series, 1338(1). https://doi.org/10.1088/1742-6596/1338/1/012061
Hasil, P., Merdeka, S., Kampus, B., Di, M., Bhayangkara, U., Raya, J., … Clustering, D. K. (2022). Pelita teknologi, 17(2), 1–11.
Ivandari, Much. Rifqi Maulana, Muhammad Faizal Kurniawan, & Al Karomi, M. A. (2023). Komparasi Algoritma Data Mining untuk Klasifikasi Penyakit Diabetes. Bulletin of Computer Science Research, 3(5), 343–350. https://doi.org/10.47065/bulletincsr.v3i5.280
Nasional, J., Komputer, T., Informasi, M. T., Pembangunan, U., Budi, P., Medan, K., … Komputer, T. (2024). Analisa Classification Decision Tree C45 dan Naïve Bayes Pada Indikasi Penyakit Diabetes Menggunakan Rapid Miner Data Mining adalah proses penggalian informasi dan pola yang bermanfaat dari suatu data yang sangat besar . Proses data mining terdiri dari pe, 4, 25–33. Mardalius, M. (2018). Pemanfaatan Rapid Miner Studio 8.2 Untuk Pengelompokan Data Penjualan Aksesoris Menggunakan Algoritma K-Means. JURTEKSI (Jurnal Teknologi dan Sistem Informasi), 4(2), 123-132.
Ocal, S., Gokcek, M., Colak, A. B., & Korkanc, M. (2021). A COMPREHENSIVE AND COMPARATIVE EXPERIMENTAL ANALYSIS ON THERMAL CONDUCTIVITY OF TiO2-CaCO3/WATER HYBRID NANOFLUID: PROPOSING NEW CORRELATION AND ARTIFICIAL NEURAL NETWORK OPTIMIZATION. Heat Transfer Research, 52(17), 55–79. https://doi.org/10.1615/HeatTransRes.2021039444
Pamungkas, P. (2018). Caritas pro Serviam, 2018. ASMI Santa Maria Yogyakarta, (November), 64–77.
Rayuwati, Husna Gemasih, & Irma Nizar. (2022). IMPLEMENTASI AlGORITMA NAIVE BAYES UNTUK MEMPREDIKSI TINGKAT PENYEBARAN COVID. Jural Riset Rumpun Ilmu Teknik, 1(1), 38–46. https://doi.org/10.55606/jurritek.v1i1.127
Rinanda, P. D., Delvika, B., Nurhidayarnis, S., Abror, N., & Hidayat, A. (2022). Perbandingan Klasifikasi Antara Naive Bayes dan K-Nearest Neighbor Terhadap Resiko Diabetes pada Ibu Hamil. MALCOM: Indonesian Journal of Machine Learning and Computer Science, 2(2), 68–75. https://doi.org/10.57152/malcom.v2i2.432
Sistem Komputer dan Sistem Informasi, J., Studi Teknologi Komputasi dan Informatika Stmik Bina Bangsa Kendari, P., Aris, F., Program Studi Sistem Komputer, D., Studi Sistem Komputer, P., & Bina Bangsa Kendari, S. (2019). Penerapan Data Mining untuk Identifikasi Penyakit Diabetes Melitus dengan Menggunakan Metode Klasifikasi. Router Research, 1(1), 1–6.
Utomo, D. P., & Mesran, M. (2020). Analisis Komparasi Metode Klasifikasi Data Mining dan Reduksi Atribut Pada Data Set Penyakit Jantung. Jurnal Media Informatika Budidarma, 4(2), 437. https://doi.org/10.30865/mib.v4i2.2080
Widaningsih, S. (2022). Penerapan Data Mining untuk Memprediksi Siswa Berprestasi dengan Menggunakan Algoritma K Nearest Neighbor. JATISI (Jurnal Teknik Informatika Dan Sistem Informasi), 9(3), 2598–2611. https://doi.org/10.35957/jatisi.v9i3.859
Yogianto, A., Homaidi, A., & Fatah, Z. (2024). Implementasi Metode K-Nearest Neighbors (KNN) untuk Klasifikasi Penyakit Jantung. G-Tech: Jurnal Teknologi Terapan, 8(3), 1720–1728. https://doi.org/10.33379/gtech.v8i3.4495
Zulfikar, Z., Podungge, E. S., Saleh, M. I., & ... (2022). Penerapan Data Mining Untuk Memprediksi Tingkat Kelulusan Siswa Menggunakan Algoritma Neural Network. Jurnal Elektronik Sistem …, 5(1), 7–13. Retrieved from http://jesik.web.id/index.php/jesik/article/view/91
