Perbandingan Hasil Analisis Teknik Data Mining “Metode Decision Tree, Naive Bayes, Smo Dan Part” Untuk Mendiagnosa Penyakit Diabetes Mellitus

Abstract

Diabetes Mellitus (DM) is one of the diseases that can bring a person to death. The main cause of this disease is irregular or excessive lifestyle and food. Someone who develops diabetes will be marked by increased sugar levels. This happens because of a disruption in insulin secretion and insulin action or even in both. In many countries more and more patients with diabetes, if not stopped soon, it is estimated that people with diabetes will reach 642 by 2040 [1]. This study aims to choose the best data mining clasifiers in diagnosing Diabetes Mellitus (DM). Diagnosis is based on computer systems using the feature selection method and classification of the Pima Indians Diabetes dataset. The feature selection method used is Correlation based Featured Selection (CFS). The data mining classification results in this study indicate that SMO has the highest value of accuracy compared to other Classifiers.Abstrak-Diabetes Mellitus (DM) merupakan salah satu penyakit yang dapat membawa seseorang berujung pada suatu kematian. Peyebab utama dari penyakit ini adalah pola hidup dan makanan yang tidak teratur atau berlebihan. Seseorang yang terserang penyakit diabetes akan ditandai dengan meningkat kadar gula. Hal ini terjadi karena adanya gangguan pada sekresi insulin dan kerja insulin atau bahkan pada keduanya. Di diberbagai negara semakin banyak pasien penyakit diabetes, jika tidak segera dihentikan maka diperkirakan penderita penyakit diabetes akan mencapai 642 jiwa pada tahun 2040 [1]. Penelitian ini bertujuan untuk memilih Clasifiers data mining yang terbaik dalam melakukan diagnosis terhadap penyakit Diabetes Mellitus (DM). Diagnosis yang dilakukan berbasis sistem komputer dengan menggunakan metode seleksi fitur dan klasifikasi terhadap Dataset Pima Indians Diabetes. Metode seleksi fitur yang digunakan adalah Correlation based Featured Selection (CFS). Hasil klasifikasi data mining pada penelitian ini menunjukkan bahwa SMO memiliki nilai akurasi tertinggi dibanding Classifiers yang lainnya.

Komparasi Algoritma Decision Tree Dan Naive Bayes Dalam Klasifikasi Penyakit Diabetes

“…Naive Bayes sering digunakan dalam tugas klasifikasi teks, pengelompokan dokumen, dan masalah klasifikasi lainnya. [10].…”

Perbandingan Algoritma Naïve Bayes dan K-Nearest Neighbor (KNN) untuk Mengetahui Keakuratan Diagnosa Penyakit Diabetes

“…Penelitian klasifikasi pada penyakit diabetes mellitus dengan menerapkan Metode K-Nearest neighbor (KNN) dengan hasil accuracy sebesar 96% [10]. Lalu pada penelitian perbandingan hasil analisis teknik data mining untuk mendiagnosa penyakit diabetes mellitus dengan menerapkan 3 algoritma yaitu Id3, Naïve Bayes, Smo dan Part dengan akurasi terbaik ialah SMO sebesar 77.5%, Naïve Bayes 76.5%, Decision Tree J48 75.6%, PART 74.4% [11].…”