Penerapan Naive Bayes Untuk Prediksi Penyakit Diabetes dengan Menggunakan Rapid Miner
Main Article Content
Abstract
Diabetes merupakan penyakit kronis yang menjadi salah satu masalah kesehatan utama di Indonesia, dengan jumlah penderita yang terus meningkat setiap tahunnya. Deteksi dini menjadi langkah penting dalam upaya pencegahan dan penanganan penyakit ini. Penelitian ini bertujuan untuk mengimplementasikan algoritma Naïve Bayes dalam memprediksi kemungkinan seseorang menderita diabetes berdasarkan dataset yang diperoleh dari Kaggle. Metode yang digunakan dalam penelitian ini meliputi pengumpulan data, preprocessing, pemodelan menggunakan RapidMiner, serta evaluasi model dengan metrik akurasi, presisi, dan recall. Hasil penelitian menunjukkan bahwa model klasifikasi berbasis Naïve Bayes memiliki tingkat akurasi sebesar 80,52%, yang menunjukkan kinerja yang cukup baik dalam memprediksi diabetes. Dengan demikian, pendekatan ini dapat digunakan sebagai alat bantu dalam mendukung deteksi dini diabetes dan membantu tenaga medis dalam pengambilan keputusan.
Downloads
Article Details
This work is licensed under a Creative Commons Attribution-ShareAlike 4.0 International License.
References
Ainurrohmah. (2021). Akurasi Algoritma Klasifikasi pada Software Rapidminer dan Weka. PRISMA, Prosiding Seminar Nasional Matematika, 4, 493–499. https://doi.org/ISSN 2613-9189
Boussaa, M., Atouf, I., Atibi, M., & Bennis, A. (2016). ECG signals classification using MFCC coefficients and ANN classifier. Proceedings of 2016 International Conference on Electrical and Information Technologies, ICEIT 2016, 5(4), 480–484. https://doi.org/10.1109/EITech.2016.7519646
Hasanah, R. L., Hasan, M., Pangesti, W. E., Wati, F. F., & Gata, W. (2019). Klasifikasi Penerima Dana Bantuan Desa Menggunakan Metode Knn (K-Nearest Neighbor). Jurnal Techno Nusa Mandiri, 16(1), 1–6. https://doi.org/10.33480/techno.v16i1.25
Hayuningtyas, R. Y. (2019). Penerapan Algoritma Naïve Bayes untuk Rekomendasi Pakaian Wanita. 6(1), 18–22.
Herfandi, H., Zaen, M. T. A., Yuliadi, Y., Julkarnain, M., & Hamdani, F. (2021). Application of Information Gain to Select Attributes in Improving Naïve Bayes Accuracy in Predicting Customer’s Payment Capability. JISA(Jurnal Informatika Dan Sains), 4(2), 155–163. https://doi.org/10.31326/jisa.v4i2.1044
Karyadiputra, E., & Setiawan, A. (2022). Penerapan data mining untuk prediksi awal kemungkinan terindikasi diabetes. 221–232.
Kementerian Kesehatan RI. (2020). Infodatin tetap produktif, cegah, dan atasi Diabetes Melitus 2020. In Pusat Data dan Informasi Kementerian Kesehatan RI (pp. 1–10).
Lestari, Zulkarnain, Sijid, & Aisyah, S. (2021). Diabetes Melitus: Review Etiologi, Patofisiologi, Gejala, Penyebab, Cara Pemeriksaan, Cara Pengobatan dan Cara Pencegahan. UIN Alauddin Makassar, 1(2), 237–241. http://journal.uin-alauddin.ac.id/index.php/psb
Marcoulides, G. A. (2005). Discovering Knowledge in Data: an Introduction to Data Mining. In Journal of the American Statistical Association (Vol. 100, Issue 472). https://doi.org/10.1198/jasa.2005.s61
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. https://ejurnal.dipanegara.ac.id/index.php/sisiti/article/view/1 -10
Nurjanah, W. E., Perdana, R. S., & Fauzi, M. A. (2017). Analisis Sentimen Terhadap Tayangan Televisi Berdasarkan Opini Masyarakat pada Media Sosial Twitter menggunakan Metode K-Nearest Neighbor dan Pembobotan Jumlah Retweet. 1(12), 1750–1757.
Purwadi, P., Ramadhan, P. S., & Safitri, N. (2019). Penerapan Data Mining Untuk Mengestimasi Laju Pertumbuhan Penduduk Menggunakan Metode Regresi Linier Berganda Pada BPS Deli Serdang. Jurnal SAINTIKOM (Jurnal Sains Manajemen Informatika Dan Komputer), 18(1), 55. https://doi.org/10.53513/jis.v18i1.104
Siallagan, R. A., & Fitriyani. (2021). Prediksi Penyakit Diabetes Mellitus. Jurnal Responsif, 3(1), 45–46.
Wijaya, H. D., & Dwiasnati, S. (2020). Implementasi Data Mining dengan Algoritma Naïve Bayes pada Penjualan Obat. Jurnal Informatika, 7(1), 1–7. https://doi.org/10.31311/ji.v7i1.6203