SUBSETSUBSET

The Indonesian Journal of Computer Science ResearchThe Indonesian Journal of Computer Science Research

Penyakit diabetes merupakan salah satu penyakit kronis yang jumlah penderitanya terus meningkat setiap tahun termasuk di Indonesia. Deteksi dini dan klasifikasi yang akurat sangat penting untuk membantu proses diagnosis dan penanganan sehingga meminimalkan resiko komplikasi. Penelitian ini bertujuan untuk membangun model klasifikasi pasien diabetes serta mengkaji kinerja algoritma K-Nearest Neighbor (KNN) dalam melakukan klasifikasi pasien diabetes berdasarkan data medis. Dataset yang digunakan dalam penelitian ini adalah Pima Indians Diabetes Dataset, yang berisi informasi kesehatan pasien seperti kehamilan, tingkat glukosa, tekanan darah, kadar insulin, nilai BMI, usia dan status diagnosa pasien. Hasil pengujian menunjukkan bahwa algoritma KNN mampu memberikan performa yang cukup baik dalam mengklasifikasikan pasien yang terkena diabetes dan tidak terkena diabetes.

Model yang telah dibuat pada penelitian ini kemudian telah di-deploy ke dalam bentuk prediksi berbasis web, menggunakan streamlit dari Python.Hal ini menunjukkan bahwa model dapat diimplementasikan dalam sistem nyata dan digunakan secara langsung oleh pengguna untuk melakukan deteksi dini diabetes secara digital secara fleksibel yang dapat dilakukan dari mana pun.Penelitian ini menunjukkan bahwa algoritma K-Nearest Neighbors dapat digunakan untuk melakukan deteksi potensi diabetes berdasarkan data medis pasien.

Berdasarkan latar belakang, metode, hasil, keterbatasan, dan saran penelitian lanjutan yang ada, terdapat beberapa arah penelitian yang menarik untuk dieksplorasi lebih lanjut. Pertama, penelitian selanjutnya dapat menginvestigasi penggunaan teknik feature engineering yang lebih canggih untuk meningkatkan akurasi model, seperti melakukan transformasi data atau membuat fitur baru berdasarkan kombinasi fitur yang ada. Kedua, penelitian dapat memperluas dataset dengan menggabungkan data dari berbagai sumber, termasuk data rekam medis elektronik dari rumah sakit atau klinik, untuk meningkatkan generalisasi model dan mengurangi bias. Ketiga, penelitian dapat mengeksplorasi penggunaan algoritma machine learning lain selain KNN, seperti Support Vector Machine (SVM) atau Random Forest, untuk membandingkan kinerja dan menemukan model yang paling optimal untuk klasifikasi pasien diabetes.

  1. Implementasi Algoritma K-Nearst Neighbor Untuk Memprediksi Penyakit Diabetes | Jurnal Informatika Dan... ejournal.unama.ac.id/index.php/jakakom/article/view/110Implementasi Algoritma K Nearst Neighbor Untuk Memprediksi Penyakit Diabetes Jurnal Informatika Dan ejournal unama ac index php jakakom article view 110
  2. Klasifikasi Penyakit Diabetes Menggunakan Metode SVM Dan KNN | Jurnal Penelitian Rumpun Ilmu Teknik.... ejurnal.politeknikpratama.ac.id/index.php/JUPRIT/article/view/3151Klasifikasi Penyakit Diabetes Menggunakan Metode SVM Dan KNN Jurnal Penelitian Rumpun Ilmu Teknik ejurnal politeknikpratama ac index php JUPRIT article view 3151
  3. Faktor – Faktor yang Mempengaruhi Komplikasi pada Pasien Diabetes Mellitus di RSUD Dr. Moewardi... doi.org/10.23917/pharmacon.v20i1.21877Faktor Ae Faktor yang Mempengaruhi Komplikasi pada Pasien Diabetes Mellitus di RSUD Dr Moewardi doi 10 23917 pharmacon v20i1 21877
Read online
File size222.18 KB
Pages8
DMCAReport

Related /

ads-block-test