Perbandingan Implementasi Machine Learning Menggunakan Metode KNN, Naive Bayes, dan Logistik Regression Untuk Mengklasifikasi Penyakit Diabetes

Dewi Nasien; Ricalvin  Darwin; Alexander  Cia; Andrean  Leo Winata; Jerry Go; Richard M.C; Ryan  Charles Wijaya; Kevin  Charles Lo

doi:10.58794/jekin.v4i1.640

Authors

Dewi Nasien Instititut Bisnis dan Teknologi Pelita Indonesia
Ricalvin Darwin Institut Bisnis dan Teknologi Pelita Indonesia
Alexander Cia Institut Bisnis dan Teknologi Pelita Indonesia
Andrean Leo Winata Institut Bisnis dan Teknologi Pelita Indonesia
Jerry Go Institut Bisnis dan Teknologi Pelita Indonesia
Richard M.C Institut Bisnis dan Teknologi Pelita Indonesia
Ryan Charles Wijaya Institut Bisnis dan Teknologi Pelita Indonesia
Kevin Charles Lo Institut Bisnis dan Teknologi Pelita Indonesia

DOI:

https://doi.org/10.58794/jekin.v4i1.640

Keywords:

Ekstraksi_fitur, pca, Diabetes, Knn, bayes, regresi, logistik

Abstract

Penyakit diabetes menjadi sorotan karena sifatnya yang kronis, dengan gejala utama berupa peningkatan kadar gula darah di atas batas normal. Diabetes terjadi ketika tubuh tidak dapat efisien mengambil glukosa ke dalam sel untuk diubah menjadi energi, menyebabkan penumpukan gula ekstra dalam aliran darah. Penelitian ini menggunakan ekstraksi fitur dengan Analisis Komponen Utama (Principal Component Analysis - PCA) dengan threshold 80%, menghasilkan 5 fitur utama. Fitur-fitur ini kemudian digunakan sebagai input untuk tiga classifier, yaitu K-Nearest Neighbors (KNN), Naive Bayes, dan Regresi Logistik. Data yang digunakan berasal dari Kaggle, dengan pembagian data 70:30 dan 80:20. Hasil penelitian menunjukkan bahwa metode Naive Bayes memberikan akurasi terbaik, mencapai 79% pada pembagian data 80:20. Oleh karena itu, dapat disimpulkan bahwa algoritma Naive Bayes adalah pilihan terbaik untuk klasifikasi data diabetes dalam penelitian ini.

Downloads

Download data is not yet available.

References

K. M. Amien, I. L. F., Astuti, W., & Lhaksamana, “Perbandingan Metode Naïve Bayes dan KNN (K-Nearest Neighbor) dalam Klasifikasi Penyakit Diabetes. E-Proceeding of Engineering, 10(2), 1911–1920.,” 2023.

K. Susana, H., Suarna, N., Fathurrohman, F., & Kaslani, “Penerapan Model Klasifikasi Metode Naive Bayes Terhadap Penggunaan Akses Internet. Jurnal Riset Sistem Informasi Dan Teknologi Informasi (JURSISTEKNI), 4(1), 1–8. https://doi.org/10.52005/jursistekni.v4i1.96,” 2022.

S. Putra, P., Pardede, A. M. H., & Syahputra, “ANALISIS METODE K-NEAREST NEIGHBOUR ( KNN ) DALAM KLASIFIKASI DATA IRIS BUNGA. 6(1), 297–305.,” 2022.

A. M. (2020). Argina, “Penerapan Metode Klasifikasi K-Nearest Neigbor pada Dataset Penderita Penyakit Diabetes. Indonesian Journal of Data and Science, 1(2), 29–33. https://doi.org/10.33096/ijodas.v1i2.11,” 2020.

B. Ikhromr, F. N., Sugiyarto, I., Faddillah, U., & Sudarsono, “Implementasi Data Mining Untuk Memprediksi Penyakit Diabetes Menggunakan Algoritma Naives Bayes dan K-Nearest Neighbor. INTECOMS: Journal of Information Technology and Computer Science, 6(1), 416–428. https://doi.org/10.31539/intecoms.v6i1.5916,” 2023.

I. R. Padiku, “Penerapan Metode Naive Bayes Classifier (Nbc) Untuk Klasifikasi Kondisi Internal Program Studi. Jurnal Teknik, 19(1), 65–74. https://doi.org/10.37031/jt.v19i1.118,” 2021.

M. T. (2019). Maliha, D. Z., Santoso, E., & Furqon, “). Penerapan Metode Neighbor Weighted K-Nearest Neighbor Dalam Klasifikasi Diabetes Mellitus. Jurnal Pengembangan Teknologi Informasi Dan Ilmu Komputer, 3(3), 2910–2915. https://j-ptiik.ub.ac.id/index.php/j-ptiik/article/view/4817,” 2019.

G. I. (2021). Reviantika, F., Azhar, Y., & Marthasari, “Analisis Klasifikasi SMS Spam Menggunakan Logistic Regression. Jurnal Sistem Cerdas, 4(3), 155–160. https://doi.org/10.37396/jsc.v4i3.166,” 2021.

N. Susetyoko, R., Yuwono, W., Purwantini, E., & Ramadijanti, “Perbandingan Metode Random Forest, Regresi Logistik, Naïve Bayes, dan Multilayer Perceptron Pada Klasifikasi Uang Kuliah Tunggal (UKT). Jurnal Infomedia, 7(1), 8. https://doi.org/10.30811/jim.v7i1.2916,” 2022.

D. Setiawan, D. Arisandi, and L. Trisnawati, “Aplikasi Prediksi Penyakit Sirosis Hati Menggunakan Algoritma Genetika,” J. SANTI - Sist. Inf. dan Tek. Inf., vol. 2, no. 1, pp. 31–40, 2022, doi: 10.58794/santi.v2i1.54.

I. Puspita Sari and D. Setiawan, “Aplikasi D’Laundry Berbasis Android Menggunakan Model Design Thinking Android-Based D’Laundry Application Using Model Design Thinking,” Juli, vol. 2, no. 3, pp. 136–142, 2022.

D. Setiawan, R. N. Putri, and R. Suryanita, “Implementasi Algoritma Genetika Untuk Prediksi Penyakit Autoimun,” Rabit J. Teknol. dan Sist. Inf. Univrab, vol. 4, no. 1, pp. 8–16, 2019, doi: 10.36341/rabit.v4i1.595.

I. P. Sari, D. Setiawan, and D. W. Marwan, “Sosialisasi Pelaksanaan Posyandu Melalui Transformasi Digital Kesehatan Menggunakan Aplikasi Mobile Posyandu Q,” J. Abdidas, vol. 3, no. 5, pp. 870–876, 2022, doi: 10.31004/abdidas.v3i5.691.

M. Putri Efendy and D. Setiawan, “Perancangan Aplikasi Makanan Empat Sehat Lima Sempurna Untuk Mencegah Stunting,” JOISIE J. Inf. Syst. Informatics Eng., vol. 5, no. 1, pp. 13–19, 2021.

P. Addie, D. Pengembangan, K. Pada, L. Elvitaria, D. Setiawan, and L. Susanti, “PENDAHULUAN Perkembangan ilmu pengetahuan dan teknologi yang sangat pesat saat ini menunjang dan mempermudah semua kegiatan di berbagai bidang dalam kehidupan manusia , salah satunya di Pendidikan . Dengan pemanfaatan teknologi media pembelajaran akan leb,” vol. 8, no. 2, pp. 231–246, 2023.

I. Engineering, D. Setiawan, M. C. Pratama, D. Arisandi, T. Informatika, and U. Abdurrab, “IMPLEMENTASI SISTEM KEAMANAN JARINGAN MENGGUNAKAN RULE-,” vol. 7, no. 2, pp. 381–389, 2023.

D. Setiawan, R. N. Putri, and R. Suryanita, “Perbandingan Algoritma Genetika dan Backpropagation pada Aplikasi Prediksi Penyakit Autoimun,” Khazanah Inform. J. Ilmu Komput. dan Inform., vol. 5, no. 1, pp. 21–27, 2019, doi: 10.23917/khif.v5i1.7173.

Liza Trisnawati, D. Setiawan, and S. Ryanto, “ANTIDERM Dermatitis Consultation Application User Interface Design Model Using Design Sprint Method,” J. Int. Multidiscip., vol. 1, no. 1, pp. 1–17, 2023, doi: 10.58794/jim.v1i1.193.

N. Maryam, D. Setiawan, and R. Noratama Putri, “Aplikasi Deteksi Dini Penyakit Tidak Menular Pada Lansia Dengan menggunakan metode Dynamic System Development Method (DSDM),” JEKIN - J. Tek. Inform., vol. 3, no. 1, pp. 1–8, 2022, doi: 10.58794/jekin.v3i1.219.

Rudiansyah, D. Setiawan, and Shucy Ramawati Fadila, “Identifikasi Faktor Risiko Stunting pada Anak-anak dengan Metode K means Clustering menggunakan Dataset Kaggle,” JEKIN - J. Tek. Inform., vol. 3, no. 1, pp. 10–16, 2023, doi: 10.58794/jekin.v3i1.443.

F. Yunita, “Sistem Klasifikasi Penyakit Diabetes Mellitus Menggunakan Metode,” 2016.

F. D. T. Khasanah, L. U., Nasution, Y. N., & Amijaya, “Klasifikasi Penyakit Diabetes Melitus Menggunakan Naive Bayes Classifier. BASIS, 1(1), 41–50.,” 2022.

C. Lestari, U. I., Nadhiroh, A. Y., & Novia, “Penerapan Metode K-Nearest Neighbor Untuk Sistem Pendukung Keputusan Identifikasi Penyakit Diabetes Melitus. JATISI (Jurnal Teknik Informatika Dan Sistem Informasi), 8(4), 2071–2082. https://doi.org/10.35957/jatisi.v8i4.1235,” 2021.

M. T. Fasnuari, H. A. D., Yuana, H., & Chulkamdi, “Penerapan Algoritma K-Nearest Neighbor Untuk Klasifikasi Penyakit Diabetes Melitus. Antivirus : Jurnal Ilmiah Teknik Informatika, 16(2), 133–142. https://doi.org/10.35457/antivirus.v16i2.2445,” 2022.

D. Widyastutik, Ernawati, E. N. Pratiwi, and R. Wulandari, “UPAYA PENINGKATAN PERILAKU IBU POSTPARTUM MELALUI EDUKASI FAMILY CENTERED MATERNITY CARE ( FCMC ) TENTANG PERAWATAN MASA POSTPARTUM DI WILAYAH KERJA PUSKESMAS GAMBIRSARI SURAKARTA Program Studi Kebidanan Program Sarjana dan Pendidikan Profesi Bidan Progra,” J. Salam Sehat Masy., vol. 2, no. 2, pp. 43–50, 2021.

D. E. Paramitha, Y. N., Nuryaman, A., Faisol, A., Setiawan, E., & Nurvazly, “Klasifikasi Penyakit Stroke Menggunakan Metode Naïve Bayes. Jurnal Siger Matematika, 04(01), 11–16. https://www.kaggle.com/datasets/zzettrkalpakbal/full-filled-,” 2023.

H. Karo, I. M. K., & Hendriyana, “Klasifikasi Penderita Diabetes menggunakan Algoritma Machine Learning dan Z-Score. Jurnal Teknologi Terpadu, 8(2), 94–99,” 2022.