Penggunaan Algoritma K-Nearest Neighbor Untuk Klasifikasi Data Diabetes Pada Wanita
DOI:
https://doi.org/10.29407/inotek.v8i1.4981Abstract
Diabetes adalah kadar gula darah yang tinggi atau di atas nilai normal, dalam menguji berbagai metode pada kumpulan data yang relevan adalah salah satu cara untuk menentukan metode klasifikasi yang tepat untuk mengelola diabetes. Dalam penelitian ini, masalah yang diangkat adalah bagaimana mengukur kinerja metode klasifikasi dalam mengelola diabetes yang tidak dikontrol dengan baik. Selama proses klasifikasi, algoritma K-Nearest Neighbor dan tools yang digunakan RapidMiner untuk menguji nilai accuracy, class precision, dan class recall dari data yang digunakan dalam penelitian ini. Data yang digunakan dalam penelitian ini berasal dari dataset diabetes Kaggle. Oleh karena itu, algoritma K-Nearest Neighbor digunakan untuk mengklasifikasikan penyakit diabetes pada wanita dapat digunakan karena proses seleksinya cepat, metodenya mudah dipahami, dan memiliki nilai akurasi yang baik (79.93%), ketepatan kelas (78.19%), dan recall kelas 96.45%.
Keywords:
Diabetes, K-Nearest Neighbor, RapidMiner, Kaggle, Klasifikasi, KDD##plugins.themes.default.displayStats.downloads##
References
A. M. Argina, “Penerapan Metode Klasifikasi K-Nearest Neigbor pada Dataset Penderita Penyakit Diabetes,” Indones. J. Data Sci., vol. 1, no. 2, pp. 29–33, Jul. 2020.
P. SHETA, “diabetes-dataset.” [Online]. Available: https://www.kaggle.com/datasets/pritsheta/diabetes-dataset.
N. Azizah, M. Riyad Firdaus, R. Suyaningsih, and F. Indrayatna, “Penerapan Algoritma Klasifikasi K-Nearest Neighbor pada Penyakit Diabetes,” Pros. Semin. Nas. Stat. Aktuaria, vol. 2, no. 1, pp. 119–126, 2023.
J. Nasir, “Penerapan Data Mining Clustering Dalam Mengelompokan Buku Dengan Metode K-Means,” Simetris J. Tek. Mesin, Elektro dan Ilmu Komput., vol. 11, no. 2, pp. 690–703, 2021.
A. Veronica Agustin and A. Voutama, “Implementasi Data Mining Klasifikasi Penyakit Diabetes Pada Perempuan Menggunakan Naïve Bayes,” JATI (Jurnal Mhs. Tek. Inform., vol. 7, no. 2, pp. 1002–1007, 2023.
F. M. Almufqi and A. Voutama, “Perbandingan Metode Data Mining Untuk Memprediksi Prestasi Akademik Siswa,” J. Tek., vol. 15, no. 1, pp. 61–66, 2023.
N. M. Putry, “Komparasi Algoritma Knn Dan Naïve Bayes Untuk Klasifikasi Diagnosis Penyakit Diabetes Mellitus,” EVOLUSI J. Sains dan Manaj., vol. 10, no. 1, 2022.
J. I. Marzuki, K. Mataram, and N. T. Bar, “KOMPARASI AKURASI METODE CORRELATED NAIVE BAYES CLASSIFIER DAN NAIVE BAYES CLASSIFIER UNTUK DIAGNOSIS PENYAKIT DIABETES Hairani , Gibran Satya Nugraha , Mokhammad Nurkholis Abdillah , Muhammad Innuddin InfoTekJar ( Jurnal Nasional Informatika dan Teknolog,” InfoTekJar (Jurnal Nas. Inform. dan Teknol. Jaringan), vol. 3, no. 1, pp. 6–11, 2018.
F. Alghifari and D. Juardi, “Penerapan Data Mining Pada Penjualan Makanan Dan Minuman Menggunakan Metode Algoritma Naïve Bayes,” J. Ilm. Inform., vol. 9, no. 02, pp. 75–81, 2021.
D. M. A. M. Sanjaya, A. A. I. I. Paramitha, and N. W. Utami, “Penerapan Data Mining untuk Prediksi Mahasiswa Berpotensi Non-Aktif Menggunakan Algoritma C4.5: Studi Kasus STMIK Primakara,” J. Ilm. Ilmu Terap. Univ. Jambi, vol. 6, no. 1, pp. 84–97, 2022.
R. A. Manullang, F. A. Sianturi, [ Penerapan, A. K.-N. Neighbor, U. Memprediksi, and K. Mahasiswa, “JIKOMSI [Jurnal Ilmu Komputer dan Sistem Informasi] Penerapan Algoritma K-Nearest Neighbour Untuk Memprediksi Kelulusan Mahasiswa,” J. Ilmu Komput. dan Sist. Inf., vol. 4, no. 2, pp. 42–50, 2021.
R. Nofitri and N. Irawati, “Analisis Data Hasil Keuntungan Menggunakan Software Rapidminer,” JURTEKSI (Jurnal Teknol. dan Sist. Informasi), vol. 5, no. 2, pp. 199–204, 2019.
F. Yunita, “Sistem Klasifikasi Penyakit Diabetes Mellitus Menggunakan Metode K-Nearest Neighbor ( K-Nn ),” Bappeda, vol. 2, no. 1, pp. 223–230, 2016.
C. H. P. Panjaitan, L. J. Pangaribuan, and C. I. Cahyadi, “Analisis Metode K-Nearest Neighbor Menggunakan Rapid Miner untuk Sistem Rekomendasi Tempat Wisata Labuan Bajo,” Remik, vol. 6, no. 3, pp. 534–541, 2022.
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.
F. Sistem Informasi STMIK Nusa Mandiri Jakarta Jl Damai No, W. Jati Barat, and J. Selatan, “Perbandingan Algoritma Klasifikasi Data Mining Model C4.5 Dan Naive Bayes Untuk Prediksi Penyakit Diabetes,” J. Techno Nusa Mandiri, vol. XIII, no. 1, p. 50, 2016.
Downloads
Published
Issue
Section
License
Copyright (c) 2024 Maha Shelin Sahira, Fitria Dessela Putri, Aidina Ristyawan, Erna Daniati
This work is licensed under a Creative Commons Attribution-ShareAlike 4.0 International License.
Authors who publish with this journal agree to the following terms:
- Copyright on any article is retained by the author(s).
- The author grants the journal, right of first publication with the work simultaneously licensed under a Creative Commons Attribution License that allows others to share the work with an acknowledgment of the work’s authorship and initial publication in this journal.
- Authors are able to enter into separate, additional contractual arrangements for the non-exclusive distribution of the journal’s published version of the work (e.g., post it to an institutional repository or publish it in a book), with an acknowledgment of its initial publication in this journal.
- Authors are permitted and encouraged to post their work online (e.g., in institutional repositories or on their website) prior to and during the submission process, as it can lead to productive exchanges, as well as earlier and greater citation of published work.
- The article and any associated published material is distributed under the Creative Commons Attribution-ShareAlike 4.0 International License
