Penerapan Algoritma K Nearest Neighbor Untuk Prediksi Akurasi Penyakit Diabetes
DOI:
https://doi.org/10.36423/index.v6i1.1884Abstract
Diabetes mellitus merupakan salah satu penyakit kronis yang prevalensinya terus meningkat di seluruh dunia. Deteksi dini diabetes sangat penting untuk penanganan dan pencegahan komplikasi. Penelitian ini bertujuan untuk mengembangkan model prediksi diabetes menggunakan algoritma K-Nearest Neighbor (KNN) berdasarkan dataset Pima Indians Diabetes. Proses penelitian meliputi preprocessing data, implementasi algoritma KNN, dan evaluasi model. Preprocessing data mencakup penanganan nilai nol, imputasi nilai yang hilang, dan normalisasi fitur. Implementasi KNN dilakukan dengan mencari nilai K optimal melalui cross-validation. Hasil penelitian menunjukkan bahwa model KNN dengan nilai K optimal 19 mencapai akurasi 75,32% dalam memprediksi diabetes. Analisis performa model menunjukkan presisi 0,67 dan recall 0,57 untuk kasus positif diabetes. Meskipun model menunjukkan kinerja yang cukup baik, masih terdapat ruang untuk peningkatan, terutama dalam mengurangi false negatives. Penelitian ini menyoroti potensi penggunaan algoritma KNN dalam skrining diabetes dan memberikan dasar untuk pengembangan lebih lanjut dalam prediksi penyakit menggunakan teknik machine learning.References
N. Maulidah, R. Supriyadi, D. Y. Utami, F. N. Hasan, A. Fauzi, and A. Christian, “Prediksi Penyakit Diabetes Melitus Menggunakan Metode Support Vector Machine dan Naive Bayes,” Indones. J. Softw. Eng., vol. 7, no. 1, pp. 63–68, 2021, doi: 10.31294/ijse.v7i1.10279.
R. A. Siallagan and Fitriyani, “Prediksi Penyakit Diabetes Mellitus Menggunakan Algoritma C4.5,” J. Responsif Ris. Sains dan Inform., vol. 3, no. 1, pp. 44–52, 2021, doi: 10.51977/jti.v3i1.407.
R. P. Kurniadi, R. R. Saedudin, and V. P. Widartha, “Perbandingan Akurasi Algoritma K- Nearest Neighbor Dan Logistic Regression Untuk Klasifikasi Penyakit Diabetes,” e- Proceeding Eng., vol. 8, no. 5, pp. 9757–9764, 2021.
S. I. Fernanda, D. E. Ratnawati, and P. P. Adikara, “Identifikasi Penyakit Diabetes Mellitus Menggunakan Metode Modified K- Nearest Neighbor ( MKNN ),” J. Pengemb. Teknol. Inf. dan Ilmu KomputerFernanda, S. I., Ratnawati, D. E., Adikara, P. P. (2017). Identifikasi Penyakit Diabetes Mellit. Menggunakan Metod. Modif. K- Nearest Neighbor ( MKNN ). J. Pengemb. Teknol. Inf. , vol. 1, no. 6, pp. 507–513, 2017.
M. Syukri Mustafa and I. Wayan Simpen, “Implementasi Algoritma K-Nearest Neighbor (KNN) Untuk Memprediksi Pasien Terkena Penyakit Diabetes Pada Puskesmas Manyampa. Kabupaten Bulukumba,” Februari, vol. 2019, no. 1, pp. 1–10, 2019.
E. W. Jumadi, “Penggunaan KNN (K-Nearest Neighbor) Untuk Klasifikasi Teks Berita yang Tak-Terkelompokkan pada Saat Pengklasteran Oleh STC (Suffix Tree Clustering),” Istek, vol. 9, no. 1, pp. 50–81, 2015.
M. Sholeh, D. Andayati, and R. Y.Rachmawati, “Data Mining Model Klasifikasi Menggunakan Algoritma K-Nearest Neighbor Dengan Normalisasi Untuk Prediksi Penyakit Diabetes,” TeIKa, vol. 12, no. 02, pp. 77–87, 2022, doi: 10.36342/teika.v12i02.2911.
M. Firdaus, “Intrumen Penelitian,” Metod. Penelit., pp. 15–20, 2010.
M. F. Salim and S. Sugeng, “Analisis Rekam Medis Pasien Diabetes Mellitus Melalui Implementasi Teknik Data Mining di RSUP Dr. Sardjito Yogyakarta,” J. Kesehat. Vokasional, vol. 2, no. 2, p. 167, 2018, doi: 10.22146/jkesvo.30331.
M. Syukri Mustafa and I. Wayan Simpen, “Implementasi Algoritma K-Nearest Neighbor (KNN) Untuk Memprediksi Pasien Terkena Penyakit Diabetes Pada Puskesmas Manyampa Kabupaten Bulukumba,” Februari, vol. 2019, no. 1, pp. 1–10, 2019.
Downloads
Published
Issue
Section
License
Copyright (c) 2024 Erika Tampubolon, Ruhul Amin
This work is licensed under a Creative Commons Attribution-ShareAlike 4.0 International License.
