ANALISIS PERBANDINGAN AKURASI ALGORITMA
KLASIFIKASI DALAM PREDIKSI PENYAKIT DIABETES
MENGGUNAKAN MACHINE LEARNING
Total View This Week0
Total View This Week0
Institusion
Universitas PGRI Semarang
Author
HANA, PUTRI NASHIHATUL
Subject
L Education (General)
Datestamp
2024-09-25 04:54:34
Abstract :
Diabetes adalah penyakit dimana insulin tidak dapat diproduksi oleh pancreas atau tubuh tidak dapat menggunakan dengan baik. Menurut International Diabetes Federation (IDF) Atlas edisi ke-10, angka penderita diabetes diprediksikan akan terus meningkat. Sampai saat ini, masih sering ditemukan masyarakat yang tidak menyadari bahwa mereka menderita diabetes sehingga terlambat untuk penanganan dan berakibat fatal. Salah satu cara untuk mengatasinya yaitu dengan klasifikasi diabetes secara dini. Namun, banyaknya algoritma klasifikasi yang ada mengharuskan melakukan pemilihan algoritma terbaik untuk mengatasi masalah yang ada secara maksimal. Oleh karena itu, penelitian ini bertujuan untuk membandingkan algoritma Naïve Bayes, C4.5 (Decision Tree), dan Random Forest dalam mengklasifikasikan penyakit diabetes. Analisis algoritma dilakukan dengan 4 skenario pembagian data yang berbeda. Hasil analisa menunjukkan bahwa hasil algoritma terbaik yaitu Random Forest skenario 3 dengan nilai akurasi 97,12%, precision 96,92%, recall 98,44%, dan F1-Score 97,67%. Pada tahap pengujian sistem, pengujian white-box dan black-box menghasilkan tingkat keberhasilan 100%, dan UAT menghasilkan persentase rata-rata 97,5%. Maka berdasarkan hasil pengujian dapat disimpulkan bahwa sistem ini dapat berjalan sesuai fungsionalitasnya dan layak untuk digunakan. Kata Kunci : Diabetes, Naïve Bayes, C4.5, Random Forest, Klasifikasi
Diabetes adalah penyakit dimana insulin tidak dapat diproduksi oleh pancreas atau tubuh tidak dapat menggunakan dengan baik. Menurut International Diabetes Federation (IDF) Atlas edisi ke-10, angka penderita diabetes diprediksikan akan terus meningkat. Sampai saat ini, masih sering ditemukan masyarakat yang tidak menyadari bahwa mereka menderita diabetes sehingga terlambat untuk penanganan dan berakibat fatal. Salah satu cara untuk mengatasinya yaitu dengan klasifikasi diabetes secara dini. Namun, banyaknya algoritma klasifikasi yang ada mengharuskan melakukan pemilihan algoritma terbaik untuk mengatasi masalah yang ada secara maksimal. Oleh karena itu, penelitian ini bertujuan untuk membandingkan algoritma Naïve Bayes, C4.5 (Decision Tree), dan Random Forest dalam mengklasifikasikan penyakit diabetes. Analisis algoritma dilakukan dengan 4 skenario pembagian data yang berbeda. Hasil analisa menunjukkan bahwa hasil algoritma terbaik yaitu Random Forest skenario 3 dengan nilai akurasi 97,12%, precision 96,92%, recall 98,44%, dan F1-Score 97,67%. Pada tahap pengujian sistem, pengujian white-box dan black-box menghasilkan tingkat keberhasilan 100%, dan UAT menghasilkan persentase rata-rata 97,5%. Maka berdasarkan hasil pengujian dapat disimpulkan bahwa sistem ini dapat berjalan sesuai fungsionalitasnya dan layak untuk digunakan. Kata Kunci : Diabetes, Naïve Bayes, C4.5, Random Forest, Klasifikasi
Download
book
BibTex
Latex, Jabref
cloud_download
Original Resource
url resource Institution
