Prediksi Awal Penyakit Diabetes Mellitus Menggunakan Algoritma Naïve Bayes

Rumini ., Ahmad Nasruddin

Abstract

Kesehatan merupakan hal terpenting dalam kehidupan ini. Jika kesehatan manusia sedang terganggu, maka aktivitas sehari - harinya juga akan terganggu. Salah satu penyakit yang mengganggu aktivitas manusia adalah Diabetes Mellitus. Dari data International Diabetes Federation, Indonesia menduduki peringkat ke-6 dunia dengan jumlah penderita Diabetes Mellitus lebih dari 10 juta jiwa. World Health Organization memprediksi jumlah penderita Diabetes Mellitus di Indonesia akan mencapai 21 juta jiwa di tahun 2030. Angka penderita Diabetes Mellitus yang semakin meningkat menandakan tingkat kesadaran penduduk Indonesia yang masih  rendah. Untuk itulah, diperlukan pemahaman dan pengetahuan tentang gejala-gejala awal Diabetes Mellitus guna mencegah secara dini penyakit tersebut, karena  semakin dini penyakit terdeteksi akan semakin besar juga kesempatan untuk sembuh. Untuk melakukan itu, peneliti akan memanfaatkan informasi dari situs UCI Machine Learning untuk mendapatkan dataset yang nantinya dapat diproses dengan algoritma Naïve Bayes dalam memprediksi penyakit Diabetes Mellitus. Algoritma Naïve Bayes merupakan salah satu algoritma yang dapat digunakan untuk memprediksi probabilitas keanggotaan suatu class. Algoritma ini memiliki tingkat akurasi dan kecepatan yang tinggi saat diaplikasikan pada data yang besar. Dengan algoritma Naïve Bayes, akan digunakan untuk memprediksi penyakit Diabetes Mellitus berdasarkan gejala – gejala yang dialami. Hasil prediksi akan berupa kelas positif dan negatif. Pengujian sistem ini dilakukan sebanyak 3 kali. Total jumlah data yang digunakan yaitu sebanyak 500 data. Dari hasil pengujian didapatkan akurasi tertinggi pada pengujian ketiga yaitu dengan akurasi 89 %. Pada pengujian ketiga menggunakan perbandingan data training dan data testing sebesar 80% dan 20% (400 data training dan 100 data testing).

Keywords

Prediction Naïve Bayes Algorithm Diabetes Mellitus

Full Text:

PDF

References

Alodokter, “Diabetes,” 2020. [Online]. Available:

https://www.alodokter.com/diabetes. [Accessed: 03-Nov-2020].

Fakultas Kedokteran UI, “Hari Diabetes Nasional 2019: Atasi Obesitas Hindari Diabetes,” 2019. [Online]. Available: https://fk.ui.ac.id/berita/hari-

diabetes-nasional-2019-atasi-obesitas-hindari-diabetes.html. [Accessed: 03-Nov-2020].

Fatmawati, “Perbandingan Algoritma Klasifikasi Data Mining Model C4.5 dan Naïve Bayes untuk Prediksi Penyakit Diabetes,” Jurnal Techno Nusa

Mandiri, vol. XIII, no. 1, pp. 50-59, Maret 2016.

S. I. Komang dan A. F. Setiawan, “Sistem Pakar Diagnosa Diabetes Mellitus dengan Metode Naïve Bayes Berbasis Online,” Jurnal MNEMONIC, vol. I,

no. 1, pp. 1-3, Februari 2018.

Q. I. Lailatul, E. Prasetyo dan R. F. Zainal, “Classification of Diabetes Disease Using Naïve Bayes,” Journal of Electrical Engineering and Computer Sciences, vol. 1, no. 2, pp. 147-151, Desember 2016.

A. L. Aji, N. A. P. Amalia, dan Respatiwulan, “Analisis Sentimen Masyarakat terhadap Hasil Quick Count Pemilihan Presiden Indonesia 2019 pada Media Sosial Twitter Menggunakan Metode Naïve Bayes Classifier,”Indonesian Journal of Applied Statistics, vol 2, no. 1, pp. 34-41, Mei 2019.

P. Utomo dan P. Y. Ristanti, “Perbandingan Kinerja Metode C4.5 dan Naïve Bayes dalam Klasifikasi Artikel Jurnal PGSD berdasarkan Mata Pelajaran,”TEKNO Jurnal Teknologi, Elektro, dan Kejuruan, vol. 29, no. 1, pp. 50-67, Maret 2019.

I. Rita dan R. Oktaviana, “Aplikasi Perpustakaan Pada SMAN 1 Kelumbayan Barat Menggunakan Visual Basic,” Jurnal Technology Acceptance Model, vol. 8, no. 1, pp. 63-69, Juli 2017.

S. Rini dan J. Febio, “Membangun Aplikasi E-Library Menggunakan HTML, PHP Script, dan MySQL Database,” Jurnal Processor, vol. 6, no.2, pp. 38-54, Agustus 2011.

M. Muhamad dan A. Larasati, “Perancangan Sistem Aplikasi Penerimaan

Mahasiswa Baru di STMIK Pringsewu menggunakan PHP dan MySQL,”

Jurnal Technology Acceptance Model, vol. 3, pp. 32-39, Desember 2014.

R. Ade, S. Yessy dan N. Rahman, “Implementasi Data Mining Untuk Memprediksi Penyakit Jantung Menggunakan Metode Naïve Bayes,” Journal of Innovation Information Technology and Application, vol. 1, no.1, pp. 25-34, Desember 2019.

S. Muhammad, N. N. Yuki, dan F. D. T. Amijaya, “Aplikasi Metode Naïve Bayes dalam Prediksi Risiko Penyakit Jantung,” Jurnal EKSPONESIAL, vol.8, no. 2, pp. 111-118, November 2017.

Agustini dan J. K. Wahyu, “Sistem E-Learning Doa dan Iqro dalam Peningkatan Proses Pembelajaran pada TK Amal Ikhlas,” Jurnal Mahasiswa Aplikasi Teknologi Komputer dan Informasi, vol. 1, no. 3, pp. 154-159, April

R. Ade, S. Yessy dan R. Nur, “Implementasi Data Mining Untuk Memprediksi Penyakit Jantung Menggunakan Metode Naïve Bayes,”

Journal of Innovation Information Technology and Application, vol. 1, no.01, pp. 25-34, Desember 2019.

K. S. Indra, A. B. Fitra dan A. W. Satrio, “Implementasi Data Mining Untuk Prediksi Mahasiswa Pengambil Mata Kuliah Algoritma Naïve Bayes, ”Jurnal Pengembangan Teknologi Informasi dan Ilmu Komputer, vol. 2, no. 11, pp. 5902-5910, November 2018.

A. Yuli, dan M. Rodhyah, “Aplikasi Data Mining Untuk Menampilkan

Informasi Tingkat Kelulusan Mahasiswa,” Jurnal Informatika, vol. 8, no. 1,

pp. 837-848, Januari 2014.

DOI: https://doi.org/10.36054/jict-ikmi.v20i2.376

Refbacks

  • There are currently no refbacks.