Teks

PERBANDINGAN KINERJA METODE DECISION TREE DAN K-NEAREST NEIGHBORS DALAM MENGKLASIFIKASI PENYAKIT DIABETES

---

Diabetes merupakan suatu penyakit kronis yang semakin banyak ditemui.
Penyakit ini merupakan gangguan pada metabolisme yang ditandai oleh
meningkatnya kadar gula dalam darah. Jika tidak segera ditangani, diabetes dapat
menyebabkan masalah serius seperti kebutaan, kerusakan pada ginjal, dan penyakit
jantung. Banyak individu yang mengalami kondisi ini tidak menyadari bahwa
mereka mengidapnya, sehingga deteksi awal diperlukan agar penanganan dapat
dilakukan cepat dan tepat. Salah satu pendekatan, yang bisa digunakan untuk
mendukung deteksi awal ialah melalui pemanfaatan data mining. Khususnya
dengan menggunakan algoritma decision tree dan k-nearest neighbors (KNN).
Kedua teknik ini dapat mendeteksi pola dalam data pasien, sehingga dapat
membantu profesional medis dalam mengenali diabetes lebih awal dan
meningkatkan efektivitas dalam penanganan serta pencegahan.
Penelitian ini memanfaatkan Diabetes Prediction Dataset yang diambil dari
Kaggle, terdiri dari 10. 000 catatan pasien dengan 9 atribut medis yang mencakup
jenis kelamin, usia, riwayat hipertensi, riwayat penyakit jantung, kebiasaan
merokok, indeks massa tubuh (BMI), HbA1c, kadar glukosa dalam darah, dan
status diabetes. Proses penelitian meliputi pengolahan data, pengembangan dua
model klasifikasi menggunakan decision tree dan KNN, serta pengujian model
menggunakan metode 10-fold cross validation, penilaian akhir memanfaatkan
confucion matrix seperti, accuracy, precision, recall, dan f-1 score.
Berdasarkan hasil penelitian, algoritma Decision Tree memperlihatkan performa
yang lebih unggul dengan accuracy 95,58%, precision 97,11%, recall 49,58%, dan
f1-score 65,56%. di sisi lain, KNN mencapai accuracy 95,30%, precision 91,16%,
recall 49,52%, dan f1-score 64,18%. Dengan demikian, dapat disimpulkan bahwa
decision tree lebih efektif dalam mengklasifikasikan pasien diabetes dibandingkan
dengan KNN.

---

Ketersediaan

S00008.25

RF SI.S00008.25 Pur p

My Library (Referensi)

Tersedia

Informasi Detail

Judul Seri

-

No. Panggil

RF SI.S00008.25 Pur p

Penerbit

Paguyangan : Universitas Muhammadiyah Brebes., 2025

Deskripsi Fisik

xv,85hlm.;30cm

Bahasa

Indonesia

ISBN/ISSN

-

Klasifikasi

SI.S00008.25

Tipe Isi

-

Tipe Media

-

Tipe Pembawa

-

Edisi

-

Subjek

Klasifikasi
diabetes
decision tree
k-nearest neighbors

Info Detail Spesifik

Dilengkapi CD

Pernyataan Tanggungjawab

Dira Purnamasari 21.02.0.0001 Tugas Akhir Skripsi ini diajukan sebagai salah satu syarat untuk memperoleh gelar Sarjana

Versi lain/terkait

Lampiran Berkas

Komentar

---

Anda harus masuk sebelum memberikan komentar