Prediksi Diabetes Menggunakan Algoritma Naive Bayes dan Greedy Forward Selection

Abstract

Diabetes merupakan penyakit yang mengancam kehidupan dengan pertumbuhan tercepat dan jika tidak diobati atau diindentifikasi akan menyebabkan komplikasi lain. Diabetes setiap tahunnya mengakibatkan kematian sebanyak 3.8 juta jiwa dan telah mempengaruhi 422 juta orang di seluruh Dunia. Dataset diabetes yang digunakan dalam penelitian ini adalah dataset publik, dataset ini akan diolah menggunakan model yang diusulkan. Dataset diabetes memiliki permasalahan seperti adanya fitur-fitur yang tidak relevan, fitur-fitur yang tidak relevan dapat menurunkan kinerja dari model yang digunakan. Seleksi fitur Greedy Forward Selection adalah seleksi fitur yang sangat efisien dan cepat dalam prosesnya. Algoritma Naïve Bayes merupakan algoritma yang mudah dan sederhana ketika diimplementasikan. Hasil penelitian menunjukkan bahwa model Naïve Bayes dan Greedy Forward Selection mendapatkan nilai akurasi tertinggi sebesar 91.73%, sedangkan model Naïve Bayes tanpa seleksi fitur Greedy Forward Selection hanya mendapat nilai akurasi sebesar 87.69%

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

“…Diabetes tidak hanya menyebabkan kerugian ekonomi bagi pasien karena biaya pengobatan tetapi juga memperpendek umur peluang untuk hidup sebesar 5 -10 tahun [2]. Akibat lainnya adalah jika tidak ada upaya untuk mengontrol dan mencegah, diabetes dapat semakin memperburuk penderita karena dapat menimbulkan komplikasi yang berat [3].…”

Klasifikasi Penyakit Diabetes Menggunakan Algoritma Naive Bayes

“…Komplikasi yang sering terjadi dan mematikan akibat diabetes adalah serangan jantung dan stroke. Faktor kematian yang terjadi karena kenaikan gula darah secara terus menerus dan mengakibatkan rusaknya pembuluh darah, saraf dan struktur internal lainnya [5]. Penyakit diabetes melitus adalah penyakit yang memiliki komplikasi tinggi, indentifikasi awal merupakan satu-satunya cara untuk menghindari komplikasi [6].…”

“…Naive Bayes dapat menghasilkan akurasi tinggi dan cepat ketika diaplikasikan pada data yang benar serta mudah dalam penerapannya [5].…”