KOMPARASI ALGORITMA NAIVE BAYES DAN
SUPPORT VECTOR MACHINE (SVM) UNTUK
KLASIFIKASI DATA PADA DIABETES PREDICTION
DATASET
Total View This Week0
Total View This Week0
Institusion
Universitas Siliwangi
Author
Fauziah, Syifa Nazila
Subject
T Technology (General)
Datestamp
2023-08-11 06:10:50
Abstract :
Penyakit diabetes merupakan penyakit yang cukup berbahaya yang ditandai oleh tingginya gula darah yang melebihi batas normal. Ada beberapa faktor yang menjadi penyebab penyakit diabetes diantaranya jenis kelamin, usia, hipertensi, penyakit jantung, riwayat merokok, index masa tubuh (imb), hemoglobin dan tingkat glukosa darah. Menurut International Diabetes Federation yang mengidap penyakit diabetes pada tahun 2015 sebanyak 415 juta jiwa, dan diperkirakan akan terus meningkat setiap tahunnya. Upaya yang dapat dilakukan untuk mencapai tujuan tersebut adalah dengan dikembangkannya suatu sistem untuk memprediksi penyakit diabetes dengan prinsip klasifikasi untuk memprediksi apakah seseorang terkena diabetes atau tidak. Dataset yang digunakan pada penelitian ini diambil dari website kaggle, yaitu diabetes prediction dataset. Metode klasifikasi yang digunakan yaitu Naive Bayes dan Support Vector Machine (SVM). Hasil dari penelitian ini disimpulkan bahwa dari ketiga pengujian tersebut dengan percentage split 60%, 70% dan 80% menunjukkan bahwa algoritma Support Vector Machine (SVM) mendapatkan nilai persentase yang lebih tinggi dari algoritma Naive Bayes kecuali pada pengujian kedua dengan percentage split 70% yaitu pada parameter recall nya, algoritma Naive Bayes lebih unggul daripada Support Vector Machine (SVM). Hal itu menunjukkan bahwa data gagal diklasifikasi dengan baik. Pengujian pertama Support Vector Machine (SVM) pada percentage split 60% dengan parameter accuracy mendapatkan nilai 96,40%, precision 99,78% dan recall 96,39%. Kemudian pengujian kedua Support Vector Machine (SVM) pada percentage split 70% dengan parameter accuracy mendapatkan nilai 97,07%, precision 100% dan recall 96,90% dan terakhir pada pengujian ketiga Support Vector Machine (SVM) dengan percentage split 80% pada parameter accuracy mendapatkan nilai 98%, precision 100% dan recall 97,90%. Kata kunci : diabetes, klasìfikasi, Naive Bayes dan Support Vector Machine (SVM)
Penyakit diabetes merupakan penyakit yang cukup berbahaya yang ditandai oleh tingginya gula darah yang melebihi batas normal. Ada beberapa faktor yang menjadi penyebab penyakit diabetes diantaranya jenis kelamin, usia, hipertensi, penyakit jantung, riwayat merokok, index masa tubuh (imb), hemoglobin dan tingkat glukosa darah. Menurut International Diabetes Federation yang mengidap penyakit diabetes pada tahun 2015 sebanyak 415 juta jiwa, dan diperkirakan akan terus meningkat setiap tahunnya. Upaya yang dapat dilakukan untuk mencapai tujuan tersebut adalah dengan dikembangkannya suatu sistem untuk memprediksi penyakit diabetes dengan prinsip klasifikasi untuk memprediksi apakah seseorang terkena diabetes atau tidak. Dataset yang digunakan pada penelitian ini diambil dari website kaggle, yaitu diabetes prediction dataset. Metode klasifikasi yang digunakan yaitu Naive Bayes dan Support Vector Machine (SVM). Hasil dari penelitian ini disimpulkan bahwa dari ketiga pengujian tersebut dengan percentage split 60%, 70% dan 80% menunjukkan bahwa algoritma Support Vector Machine (SVM) mendapatkan nilai persentase yang lebih tinggi dari algoritma Naive Bayes kecuali pada pengujian kedua dengan percentage split 70% yaitu pada parameter recall nya, algoritma Naive Bayes lebih unggul daripada Support Vector Machine (SVM). Hal itu menunjukkan bahwa data gagal diklasifikasi dengan baik. Pengujian pertama Support Vector Machine (SVM) pada percentage split 60% dengan parameter accuracy mendapatkan nilai 96,40%, precision 99,78% dan recall 96,39%. Kemudian pengujian kedua Support Vector Machine (SVM) pada percentage split 70% dengan parameter accuracy mendapatkan nilai 97,07%, precision 100% dan recall 96,90% dan terakhir pada pengujian ketiga Support Vector Machine (SVM) dengan percentage split 80% pada parameter accuracy mendapatkan nilai 98%, precision 100% dan recall 97,90%. Kata kunci : diabetes, klasìfikasi, Naive Bayes dan Support Vector Machine (SVM)
Download
book
BibTex
Latex, Jabref
cloud_download
Original Resource
url resource Institution
