Perbandingan Metode Naïve Bayes dan KNN (K-Nearest Neighbor) dalam Klasifikasi Penyakit Diabetes
Abstract
Abstrak-Diabetes merupakan salah satu penyakit yang mematikan di dunia. Faktor penyebab dari penyakit diabetes salah satunya adalah pola makan yang tidak teratur. Asupan gula yang dikonsumsi berlebihan dengan kurangnya aktivitas fisik sampai mengalami obesitas, mampu menaikan kadar gula dalam tubuh. Selain itu, faktor keturunan juga berpengaruh terhadap penyakit diabetes. Oleh karena itu, diperlukan deteksi penyakit diabetes. Naïve dan juga K-Nearest Neighbor (KNN) dapat digunakan dalam pengklasifikasian penyakit diabetes. Pada penelitian ini didapatkan nilai akurasi tertinggi dari penggunaan metode K-Nearest Neighbor dengan K=5 sebesar 90%, lalu nilai Akurasi dari metode Naïve Bayes didapatkan sebesar 80%.
Kata kunci - naïve Bayes, KNN, diabetes
References
Agnal, S, A. & Saraswathi, E. (2020). Analyzing Diabetic Data Using Naïve Bayes Classifier : Assistant Professor, Department of Computer Science and Engineering, SRM Institute of Science and Technology, Chennai, India. 7(4), 2687–2698.
Bagus, S, R. (2018) Klasifikasi Penyakit Diabetes Dengan Hidden Naïve Bayes, Jurusan Teknik Informatika, Universitas Muhmmadiyah Jember, Indonesia.
Siti, M., Abidatul, I., Arrie, K. & Mukhamad, M. (2014). Optimasi Teknik Klasifikasi Modified K Nearest Neighbor Menggunakan Algoritma Genetika : Jurusan Sistem Informasi, Fakultas Teknik, Universitas Pesantren tinggi Darul ‘Ulum, Jombang, Indonesia. 0216-9037.
Syaputri, A. W., Irwandi, E., & Mustakim, M. (2020). Naïve Bayes algorithm for classification of student major’s specialization. Journal of Intelligent Computing & Health Informatics, 1(1), 17.
Hidayat, T., Anelia, S.S., Pratiwi, U. R., S, N., & Prasvita, S. D. (2021). Perbandingan Akurasi Klasifikasi Diabetes Menggunakan Algoritma AdaBoost Random Forest dan Adaboost Decision Tree dengan imputasi median dan KNN. Seminar Nasional Mahasiswa Ilmu Komputer dan Aplikasinya (SENAMIKA).
Balakrishnan, V., & Kaur, W. (2019). ScienceDirect ScienceDirect String-based Multinomial Naïve Bayes for Emotion Detection String-based Multinomial Naïve Bayes for Emotion Detection among Facebook Diabetes Community among Facebook Diabetes Community. Procedia Computer Science, 159, 30–37.
Fatimah, R. N. (2015). Diabetes Melitus Tipe 2. Medical Faculty, Lampung University 4, 86–95.
Fernanda, S. I., Ratnawati, D. E., & Adikara, P. P. (2017). Identifikasi Penyakit Diabetes Mellitus Menggunakan Metode Modified K- Nearest Neighbor ( MKNN ). Jurnal Pengembangan Teknologi Informasi Dan Ilmu Komputer, 1(6), 507–513.
Hestiana, D. W. (2017). Faktor-Faktor yang berhubungan dengan kepatuhan dalam Pengelolaan Diet pada Pasien Rawat Jalan Diabetes Mellits Tipe 2 Di Kota Semarang. Jurnal of Health Education, 138-145.
Argina, M. A (2020). Penerapan Metode Klasifikasi K-Nearest Neighbor pada Dataset Penderita Penyakit Diabetes. Indonesia Journal of Data and Science, 2715-9930
Meilina, P. (2015). Penerapan Data Mining Dengan Metode Kalsifikasi Menggunakan Decision Tree dan Regresi : Sistem Komputer, dan Teknk Informatika. Universitas Muhammadiyah Jakarta. 7(1), 11-20.
Mustafa, M. S., & Simpen, I. W. (2019). Implementasi Algoritma K-Nearest Neighbor ( KNN ) Untuk Memprediksi Pasien Terkena Penyakit Diabetes Pada Puskesmas Manyampa Kabupaten Bulukumba. Prosiding Seminar Ilmiah Sistem Informasi Dan Teknologi Informasi, VIII(1), 1–10.
Ridwan, A. (2020). Penerapan Algoritma Naïve Bayes Untuk Klasifikasi Penyakit Diabetes Mellitus. Jurnal SISKOM-KB (Sistem Komputer Dan Kecerdasan Buatan), 4(1), 15–21.
Yunita, F. (2016). Sistem Klasifikasi Penyakit Diabetes Mellitus Menggunakan Metode K-Nearest Neighbor ( K-NN ). Selodang Mayang: Jurnal Ilmiah Badan Perencanaan Pembangunan Daerah Kabupaten Indragiri Hilir, 2(1), 223–230.
Devita, N. R., Herwanto, W. H., & Wibawa, P.A., (2017). Perbandingan Kinerja Metode Naïve Bayes dan K-Nearest Neighbor untuk Klasifikasi Artikel Berbahsa Indonesia. Jurnal Teknologi Informasi dan Ilmu Komputer (JTIIK). 2355-7699.
Tapidingan, C.Y., & Paseru, D. (2020). Comparative Analysis of Classification Methods of KNN and Naïve Bayes to Determine Stress Level of Junior High School Students. Indonesia Journal of Informations Systems (IJIS).
Nguyen, T. T., & Tsoy, Y. (2015). A kernel PLS based classification method with missing data handling. Statistical Papers, 58(1), 211-225.
Singh, S., & Prasad, J. (2013). Estimation of missing values in the data mining and comparison of imputation methods. Mathematical Journal of Interdisciplinary Sciences, 1(2), 75-90.
Maniruzzaman, M., Rahman, M. J., Al-MehediHasan, M., Suri, H. S., Abedin, M. M., El-Baz, A., & Suri, J. S. (2018). Accurate diabetes risk stratification using machine learning: Role of missing value and outliers. Journal of Medical Systems, 42.
Yoon, K. H., et al.,“Epidemic Obesity and Type 2 Diabetes in Asia”, Lancet 2006 Division of Endocrinology and Metabolism, College of Medicine, Catholic University of Korea.
