UBHINUSUBHINUS

SMATIKA JURNALSMATIKA JURNAL

Diabetes melitus termasuk masalah kesehatan dengan pertumbuhan paling cepat di abad ke-21. Salah satu penyebabnya karena kurangnya kesadaran Masyarakat untuk chek-up kesehatan secara berkala, sedangkan pola hidup yang dijalaini terbilang tidak sehat. Pemeriksaan hemoglobin A1c (HbA1c) sangat dianjurkan untuk mendeteksi diabetes. Tapi layanan tersebut belum ada di Posbindu Desa Bulupitu. Oleh karena itu perlu pendekatan lain untuk mendeteksi dini resiko Masyarakat terkena diabetes yakni dengan data mining. Metode data mining yang digunakan dalam penelitian ini adalah metode klasifikasi Naive Bayes dan KNN.

Berdasarkan hasil penelitian maka dapat disimpulkan bahwa performa terbaik metode Naive Bayes diperoleh dengan pembagian dataset cross-validation k-fold=2.Sedangkan untuk dataset rasio, nilai tertinggi didapat dari model 70.Pada metode KNN hasil terbaik diperoleh dari rasio dataset 80.Dan Manhattan distance menjadi perhitungan jarak terbaik dalam penelitian ini.Puskesmas dapat mempertimbangkan penggunaan model ini untuk mendeteksi dini penyakit diabetes.

Saran untuk penelitian selajutnya dapat menggunakan metode lain seperti Random Forest atau Support Vector Machine. Serta menambahkan fitur-fitur lain yang relevan dan signifikan dalam prediksi diabetes, seperti riwayat keluarga, gaya hidup, dan faktor genetik untuk meningkatkan akurasi prediksi. Selain itu, perlu dilakukan penelitian lebih lanjut untuk membandingkan performa metode KNN dan Naive Bayes dengan metode lainnya. Penelitian ini juga dapat diterapkan pada dataset yang lebih besar dan lebih kompleks untuk meningkatkan keakuratan hasil prediksi.

  1. Prediksi Diabetes Menggunakan Algoritma Naive Bayes dan Greedy Forward Selection | Jurnal Nasional Teknologi... teknosi.fti.unand.ac.id/index.php/teknosi/article/view/1883Prediksi Diabetes Menggunakan Algoritma Naive Bayes dan Greedy Forward Selection Jurnal Nasional Teknologi teknosi fti unand ac index php teknosi article view 1883
  1. #naive bayes#naive bayes
  2. #support vector machine#support vector machine
Read online
File size316.35 KB
Pages7
Short Linkhttps://juris.id/p-2W4
Lookup LinksGoogle ScholarGoogle Scholar, Semantic ScholarSemantic Scholar, CORE.ac.ukCORE.ac.uk, WorldcatWorldcat, ZenodoZenodo, Research GateResearch Gate, Academia.eduAcademia.edu, OpenAlexOpenAlex, Hollis HarvardHollis Harvard
DMCAReport

Related /

ads-block-test