Klasifikasi Potensi Penyakit Diabetes Mellitus Tipe II Pada Pasien Menggunakan Algoritme KNN (K-Nearest Neighbor)

Fiqri, Mohammad Sholikhul (2024) Klasifikasi Potensi Penyakit Diabetes Mellitus Tipe II Pada Pasien Menggunakan Algoritme KNN (K-Nearest Neighbor). JATI (Jurnal Mahasiswa Teknik Informatika), 8 (4). pp. 7305-7313. ISSN 2598-828X

	Text Lembar Persetujuan Publikasi.pdf Download (129kB)
	Text (Artikel Publikasi) Artikel Mohammad Sholikhul Fiqri.pdf Download (754kB)

Abstract

Indonesia berada di peringkat kelima di dunia dalam jumlah penderita diabetes. Menurut laporan dari International Diabetes Federation (IDF), pada tahun 2021 terdapat 19,5 juta orang Indonesia berusia 20-79 tahun yang menderita diabetes. Selain itu, Indonesia juga menempati peringkat teratas di Asia Tenggara untuk jumlah penderita diabetes tipe satu. Diabetes mellitus adalah kondisi di mana tubuh tidak dapat memproduksi atau menggunakan insulin dengan baik. Insulin, hormon yang dihasilkan oleh pankreas, berperan penting dalam mengatur kadar gula darah dari makanan yang dikonsumsi agar dapat digunakan sebagai sumber energi oleh sel- sel tubuh. Penelitian ini bertujuan untuk mendeteksi dini penyakit diabetes mellitus dengan menggunakan algoritme klasifikasi KNN (K-Nearest Neighbor) dalam data mining. Metode yang digunakan dalam penelitian ini meliputi: Dataset, Preprocessing, Klasifikasi, Evaluasi, Prediksi, dan Penyimpanan Model. Dalam penelitian ini, telah dilakukan klasifikasi potensi penyakit diabetes mellitus tipe II pada pasien dengan menggunakan algoritme KNN K=1 dan K=3, serta menggunakan Confusion Matrix sebagai alat pengujinya. Hasilnya, akurasi sebesar 85% untuk KNN K=1 dan 75% untuk KNN K=3. Oleh karena itu, penelitian ini menunjukkan bahwa algoritme KNN dengan K=1 lebih efektif dibandingkan dengan KNN dengan K=3 dalam mengklasifikasi potensi penyakit diabetes mellitus tipe II berdasarkan dataset yang digunakan.

Item Type:	Article
Uncontrolled Keywords:	Diabetes Mellitus Tipe II, KNN (K-Nearest Neighbor), Klasifikasi, Machine Learning, Kesehatan
Subjects:	Engineering > Informatics Engineering Engineering
Divisions:	Faculty of Engineering > Informatics Engineering Study Program
Depositing User:	Mohammad Sholikhul Fiqri
Date Deposited:	11 Feb 2024 18:40
Last Modified:	11 Feb 2024 18:40
URI:	http://eprints.umg.ac.id/id/eprint/11295

Actions (login required)

View Item