SeBats : Sistem Deteksi Penyakit Diabetes Berbasis Android
DOI:
https://doi.org/10.29407/j52c9m72Keywords:
Naive Bayes, Klasifikasi, Diabetes, Machine Learning, AndroidAbstract
Diabetes merupakan kondisi degenerative kronis yang tidandai oleh produksi insulin yang tidak mencukupi di dalam pankreas. Ada berbagai faktor yang dapat memicu diabetes, termasuk faktor kehamilan, glukosa, tekanan darah, ketebalan kulit, insulin, BMI, silsilah diabetes atau keturunan, umur, dan faktor lainnya. Berdasarkan faktor tersebut, maka orang awam akan mengetahui gejala dasar penyakit diabetes. Diperlukannya diagnose dokter melalui pemeriksaan darah untuk memastikan apakah seseorang mengidap penyakit diabetes atau tidak. Penelitian ini bertujuan untuk membangun sebuah aplikasi deteksi Diabetes menggunakan algoritma Naïve Bayes berbasis Android. Hasil penelitian dapat bermanfaat untuk masyarakat umum dalam mendeteksi penyakit diabetes sejak dini. Tahapan penelitian yaitu mengumpulkan dataset diabetes, implementasi algoritma, dan evaluasi kinerja algoritma Naïve Bayes. Hasil penelitian menunjukkan bahwa algortima Naïve Bayes dapat melakukan prediksi penyakit diabetes dengan kinerja yang baik. Nilai-nilai evaluasi kinerja algoritma Naïve Bayes untuk prediksi penyakit diabetes yaitu: accuracy 77%, recall 78%, precision 90%, dan F1-score 83%.
Downloads
References
H. Wu, S. Yang, Z. Huang, J. He, and X. Wang, “Type 2 diabetes mellitus prediction model based on data mining,” Informatics Med. Unlocked, vol. 10, no. August 2017, pp. 100–107, 2018, doi: 10.1016/j.imu.2017.12.006.
W. Apriliah, I. Kurniawan, M. Baydhowi, and T. Haryati, “SISTEMASI: Jurnal Sistem Informasi Prediksi Kemungkinan Diabetes pada Tahap Awal Menggunakan Algoritma Klasifikasi Random Forest,” J. Sist. Inf., vol. 10, pp. 163–171, 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, doi: 10.36040/jati.v7i2.6808.
N. Ningsih, A. Aprianto, and A. Angeline, “Pendekatan Data Science untuk Deteksi Dini Diabetes Menggunakan Naive Bayes Classifier,” J. Inf. Syst. Hosp. Technol., vol. 5, no. 1, pp. 26–31, 2023, doi: 10.37823/insight.v5i1.300.
N. Fuad, “Seminar Nasional Teknik Elektro, Sistem Informasi, dan Teknik Informatika,” pp. 219–224, 2021.
N. D. Hendrawan, M. Fadhol, A. Herlyasa, and S. Pratama, “Pengembangan Model Machine Learning menggunakan Docker dan Flask Pada Python sebagai Deteksi Diabetes Melitus dari Pedigree Function dan Tekanan Darah,” no. November, pp. 372–378, 2022.
Heliyanti Susana, “Penerapan Model Klasifikasi Metode Naive Bayes Terhadap Penggunaan Akses Internet,” J. Ris. Sist. Inf. dan Teknol. Inf., vol. 4, no. 1, pp. 1–8, 2022, doi: 10.52005/jursistekni.v4i1.96.
R. Antoni, “MELLITUS DENGAN MENGGUNAKAN PENDEKATAN NAÏVE BAYESIAN BERBASIS WEB ( Studi Kasus : PUSKESMAS Kelurahan Grogol 3 ),” vol. 2, no. 1, pp. 334–348, 2023.
R. A. Y. Manurung and A. D. Manuputty, “Perancangan Sistem Informasi Lembaga Kemahasiswaan Universitas Kristen Satya Wacana Salatiga,” J. SITECH Sist. Inf. dan Teknol., vol. 3, no. 1, pp. 9–20, 2020, doi: 10.24176/sitech.v3i1.4703.
Q. Budiman, S. Mouton, L. Veenhoff, and A. Boersma, “ANALISIS PENGENDALIAN MUTU DI BIDANG INDUSTRI MAKANAN (Studi Kasus: UMKM Mochi Kaswari Lampion Kota Sukabumi),” J. Inov. Penelit., vol. 1, no. 0.1101/2021.02.25.432866, pp. 1–15, 2021.
R. A. Iswanto, J. Sahertian, and M. A. D. Widyadara, “Pengembangan Sistem Prediksi Kelulusan Mahasiswa Berdasarkan Nilai Disiplin, Hasil Belajar, Aktivitas Sosial Ekonomi, dan Aktivitas Organisasi Menggunakan Algoritma Naïve Bayes,” Pros. Semin. Nas. Teknol. Dan Sains, vol. 1, pp. 349–358, 2022.
Downloads
Published
Issue
Section
License
Copyright (c) 2024 Dhavis Alvi Chandra, Nando Rahmat Prasetyo Mulyo, Donny Firdani, Wahyu Cahyo Utomo
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
