BSIBSI
Jurnal InfortechJurnal InfortechDiabetes melitus merupakan penyakit metabolik yang bersifat kronis dan multifaktorial. Penyakit ini menunjukkan gejala peningkatan kadar gula darah (hiperglikemia) akibat proses metabolisme karbohidrat yang tidak normal, lemak, dan protein yang tidak normal. Hingga saat ini, Melampaui angka 150 juta orang yang tercatat secara global mengidap penyakit ini dan perkembangan penyakit yang terus meningkat dapat menyebabkan komplikasi yang fatal. Faktanya, sebagian besar masyarakat mengabaikan tanda-tanda awal ini: rasa lapar yang berlebihan, rasa lelah yang tidak wajar, dan luka yang lambat sembuh. Penelitian ini dilakukan untuk analisis algoritma Naïve Bayes pada klasifikasi penyakit diabetes untuk mendapatkan hasil optimal dengan akurasi yang ditawarkan dengan cara ini. Dataset diambil dari website Kaggle yang berjumlah 10.000 data dengan jumlah 2 kelas yaitu Diabetes dan Non Diabetes, kelas Diabetes mencakup sebanyak 8.500 data, sementara kelas Non-Diabetes mencakup 91.500 data. Metodologi yang diterapkan yakni Algoritma Naïve Bayes. Evaluasi model membuktikan bahwa Naïve Bayes mampu mencapai skor akurasi sebesar 90,66% yang artinya Algoritma Naïve Bayes merupakan pendekatan yang reliabel dan efektif dalam mengklasifikasikan penyakit diabetes.
Berdasarkan hasil evaluasi terhadap model klasifikasi yang diterapkan menggunakan algoritma Naive Bayes, diperoleh kinerja yang menunjukkan tingkat akurasi yang tinggi dalam mengklasifikasikan penyakit diabetes.Hal ini ditunjukkan oleh nilai akurasi sebesar 90,66%.Saran untuk penelitian selanjutnya dilakukan data balancing atau penerapan metode klasifikasi alternatif untuk meningkatkan deteksi pada kelas minoritas terutama dalam konteks penerapan medis yang menuntut sensitivitas tinggi terhadap kasus penyakit.
Berdasarkan latar belakang penelitian yang menyoroti pentingnya deteksi dini diabetes, serta keterbatasan data yang tidak seimbang, beberapa saran penelitian lanjutan dapat diajukan. Pertama, perlu dilakukan eksplorasi terhadap metode data augmentation untuk mengatasi ketidakseimbangan kelas, sehingga model dapat belajar lebih baik dari data minoritas. Kedua, penelitian dapat difokuskan pada pengembangan model ensemble yang menggabungkan Naive Bayes dengan algoritma lain, seperti Support Vector Machine atau Random Forest, untuk meningkatkan akurasi dan robustitas prediksi. Ketiga, penelitian lanjutan dapat menginvestigasi penggunaan fitur-fitur tambahan, seperti data genetik atau gaya hidup, untuk memperkaya informasi yang digunakan dalam klasifikasi, sehingga dapat memberikan prediksi yang lebih personal dan akurat. Dengan menggabungkan ketiga saran ini, diharapkan dapat menghasilkan model prediksi diabetes yang lebih komprehensif, akurat, dan relevan secara klinis, serta berkontribusi pada upaya pencegahan dan penanganan penyakit diabetes yang lebih efektif.
- Implementasi Algoritma Convolutional Neural Network (CNN) Untuk Klasifikasi Daun Dengan Metode Data Mining... journal.unimma.ac.id/komtika/en/article/view/8054Implementasi Algoritma Convolutional Neural Network CNN Untuk Klasifikasi Daun Dengan Metode Data Mining journal unimma ac komtika en article view 8054
- Klasifikasi Penyakit Kanker Payudara Menggunakan Perbandingan Algoritma Machine Learning | Jurnal Ilmu... doi.org/10.35960/ikomti.v3i1.766Klasifikasi Penyakit Kanker Payudara Menggunakan Perbandingan Algoritma Machine Learning Jurnal Ilmu doi 10 35960 ikomti v3i1 766
| File size | 337.81 KB |
| Pages | 6 |
| DMCA | Report |
Related /
BSIBSI Penelitian ini bertujuan menilai efektivitas penggabungan metode ROC (Rank Order Centroid) untuk pembobotan kriteria dan SAW untuk penentuan peringkatPenelitian ini bertujuan menilai efektivitas penggabungan metode ROC (Rank Order Centroid) untuk pembobotan kriteria dan SAW untuk penentuan peringkat
BSIBSI Hasil audit tata kelola teknologi informasi terhadap Sistem Manajemen Talenta ASN (ITMS) di Kantor Pertanahan Kota Administrasi Jakarta Selatan menunjukkanHasil audit tata kelola teknologi informasi terhadap Sistem Manajemen Talenta ASN (ITMS) di Kantor Pertanahan Kota Administrasi Jakarta Selatan menunjukkan
BSIBSI Penelitian ini berhasil mengembangkan dan membandingkan model klasifikasi berita serta memprediksi pola publikasi berita harian oleh Pemprov DKI Jakarta.Penelitian ini berhasil mengembangkan dan membandingkan model klasifikasi berita serta memprediksi pola publikasi berita harian oleh Pemprov DKI Jakarta.
BSIBSI Metode Naïve Bayes adalah salah satu metode klasifikasi yang populer dalam analisis sentimen karena kemampuannya yang tinggi dalam mengklasifikasikanMetode Naïve Bayes adalah salah satu metode klasifikasi yang populer dalam analisis sentimen karena kemampuannya yang tinggi dalam mengklasifikasikan
BSIBSI Dapat disimpulkan penelitian ini menekankan bahwa peningkatan aspek usability seperti pembaruan informasi, efisiensi navigasi, dan minimisasi kesalahanDapat disimpulkan penelitian ini menekankan bahwa peningkatan aspek usability seperti pembaruan informasi, efisiensi navigasi, dan minimisasi kesalahan
BSIBSI Di beberapa pondok pesantren proses penerimaan santri baru sering kali dilakukan secara manual, sehingga rentan terhadap kesalahan data dan penilaian subjektif,Di beberapa pondok pesantren proses penerimaan santri baru sering kali dilakukan secara manual, sehingga rentan terhadap kesalahan data dan penilaian subjektif,
IOCSCIENCEIOCSCIENCE Currently, customers are more likely to make online shopping transactions through the marketplace. Significantly increased internet penetration, ease ofCurrently, customers are more likely to make online shopping transactions through the marketplace. Significantly increased internet penetration, ease of
ARESTEARESTE Sensor ditempatkan di bagian dorsum tangan dan lengan bawah dekat siku untuk mengukur gerakan sudut dalam tiga servis: backhand, short forehand, dan longSensor ditempatkan di bagian dorsum tangan dan lengan bawah dekat siku untuk mengukur gerakan sudut dalam tiga servis: backhand, short forehand, dan long
Useful /
BSIBSI Indonesia termasuk negara dengan kasus tuberculosis yang tinggi, terutama di wilayah padat penduduk dengan sanitasi yang kurang baik. Kota Bandung menghadapiIndonesia termasuk negara dengan kasus tuberculosis yang tinggi, terutama di wilayah padat penduduk dengan sanitasi yang kurang baik. Kota Bandung menghadapi
BSIBSI 5 dalam mendiagnosa dan membuat model prediksi yang menghasilkan sebuah pohon keputusan serta pengujian terhadap hasil diagnosa penyakit diabetes. Dalam5 dalam mendiagnosa dan membuat model prediksi yang menghasilkan sebuah pohon keputusan serta pengujian terhadap hasil diagnosa penyakit diabetes. Dalam
UNSIKAUNSIKA The teacher also believes that self-reflection facilitates continuous improvement of teaching strategies and instructional media. Importantly, the resultsThe teacher also believes that self-reflection facilitates continuous improvement of teaching strategies and instructional media. Importantly, the results
UNSIKAUNSIKA Hasil penelitian mengungkapkan bahwa terdapat pernyataan positif dan negatif. Siswa setuju dengan pernyataan yang menyatakan bahwa Google Classroom bermanfaatHasil penelitian mengungkapkan bahwa terdapat pernyataan positif dan negatif. Siswa setuju dengan pernyataan yang menyatakan bahwa Google Classroom bermanfaat