Best First Feature Selection Dan Radial Basis Function Untuk Klasifikasi Penyakit Diabetes

Abstract

Diabetes merupakan salah satu penyebab kematian terbesar di dunia. Penyakit diabetes dapat menyebabkan komplikasi seperti stroke, gagal ginjal, kebutaan yang bisa menyebabkan kecacatan. Sehingga diperlukan model prediksi untuk mengklasifikasikan seseorang mengidap penyakit diabetes atau tidak secara otomatis. Pada penelitian ini diajukan metode kombinasi Best First Feature Selection (BF Feature Selection) dan Radial Basis Function (RBF) untuk mengklasifikasikan penyakit diabetes. BF Feature Selection sebagai metode untuk mereduksi fitur-fitur pada dataset diabetes. BF Feature Selection mendapatkan 5 fitur yang paling relevan. Selanjutnya, dilakukan klasifikasi terhadap fitur-fitur tersebut menggunakan metode RBF. Uji coba dilakukan dengan menggunakan dataset diabetes dari UCI repository. Pengujian dilakukan dengan membandingan hasil klasifikasi metode yang diajukan dengan metode yang berbeda pada penelitian sebelumnya. Berdasarkan hasil uji coba, metode yang diajukan mendapatkan nilai akurasi yang tinggi untuk 70-30% training testing partisi yaitu 82,17%. Dari hasil evaluasi tersebut dapat disimpulkan bahwa metode yang diajukan dapat digunakan sebagai metode klasifikasi penyakit diabetes secara otomatis.

Klasifikasi Algoritma Naive Bayes Dan K-Nearest Neighbor Pada Penderita Diabetes

“…Diabetes tipe 1 disebabkan oleh kerusakan autoimun pada selsel di pankreas, yang menyebabkan hilangnya produksi insulin. Sementara itu, diabetes tipe 2 menyebabkan resistensi insulin, yaitu ketidak mampuan tubuh manusia untuk merespon hormon insulin [3] Diabetes tipe 3 atau diabetes gestasional merupakan salah satu jenis diabetes yang terjadi akibat oleh perubahan hormon pada saat kehamilan [4].…”