IMPLEMENTASI DATA MINING UNTUK PREDIKSI PENYAKIT DIABETES MENGGUNAKAN ALGORITMA K-NEAREST NEIGHBOR (K-NN)

Febrianto, Kurnia (2025) IMPLEMENTASI DATA MINING UNTUK PREDIKSI PENYAKIT DIABETES MENGGUNAKAN ALGORITMA K-NEAREST NEIGHBOR (K-NN). Skripsi thesis, UNIVERSITAS TEKNOLOGI DIGITAL INDONESIA.

	Text 1_215610033_HALAMAN_DEPAN.pdf - Published Version Download (994kB)
	Text 2_215610033_BAB_I.pdf - Published Version Download (612kB)
	Text 3_215610033_BAB_II.pdf - Published Version Download (810kB)
	Text 4_215610033_BAB_III.pdf - Published Version Restricted to Repository staff only Download (985kB)
	Text 5_215610033_BAB_IV.pdf - Published Version Restricted to Repository staff only Download (2MB)
	Text 6_215610033_BAB_V.pdf - Published Version Download (509kB)
	Text 7_215610033_DAFTAR_PUSTAKA.pdf - Published Version Download (468kB)
	Text 8_215610033_LAMPIRAN.pdf - Published Version Download (1MB)

Abstract

Gaya hidup manusia yang saat ini sudah modern membuat manusia serba instan dan gaya hidup yang kurang aktif menyebabkan berbagai macam penyakit salah satunya Diabetes Mellitus Tipe 2. Peningkatan kasus Diabetes Mellitus Tipe 2, terdapat sekitar 422 juta penderita Diabetes Mellitus Tipe 2 di dunia dan 1,5 juta kematian dihubungkan dengan Diabetes Mellitus setiap tahun (WHO, 2021). Salah satu faktor peningkatan kematian adalah karena penundaan diagnosis dan juga pencatatan. Teknik klasifikasi data mining adalah salah satu metode pencatatan. Penelitian ini bertujuan mengimplementasikan data mining serta mengetahui tingkat keakurasian untuk memprediksi diagnosis Penyakit Diabetes Mellitus Tipe 2. Data yang digunakan diperoleh dari website Kaggle yang mencakup variabel usia, BMI, kadar glukosa darah puasa, kadar insulin, dan tekanan darah dengan keseluruhan data berjumlah 2000 data. Model algoritma yang digunakan pada penelitian ini adalah algoritma K-Nearest Neighbor (K-NN) dengan menggunakan 2 pengujian yaitu Uji A dengan ratio 70% data training dan 30% data testing dan Uji B dengan ratio 80% data training dan 20% data testing. Hasil penelitian menunjukkan bahwa hasil akurasi terbaik dihasilkan oleh uji yang menggunakan perbandingan split validation 80:20 dengan hasil akurasi sebesar 93,25% dan F1-Score Macro sebesar 92.75% Kata Kunci: Diabetes Mellitus Tipe 2, K-Nearest Neighbors, Kaggle, Rapid Miner, Split Validation

Item Type:	Thesis (Skripsi)
Additional Information:	Pembimbing : Deborah Kurniawati, S.kom., M.Cs
Uncontrolled Keywords:	Diabetes Mellitus Tipe 2, K-Nearest Neighbors, Kaggle, Rapid Miner, Split Validation
Subjects:	A Karya Umum (General) > Ilmu Komputer (Computer Science) > Algoritma A Karya Umum (General) > Ilmu Komputer (Computer Science) > Bahasa Pemrograman A Karya Umum (General) > Ilmu Komputer (Computer Science) > Database > Data Mining
Divisions:	Jenjang S1 > Sistem Informasi (S1)
Depositing User:	Mr. Andi Setyanto
Date Deposited:	05 Mar 2025 06:15
Last Modified:	05 Mar 2025 06:15
URI:	http://eprints.utdi.ac.id/id/eprint/10687

Actions (login required)

View Item