Article Per Year (5 Year)
p-Index From 2021 - 2026
0.23
P-Index
This Author published in this journals
All Journal Journal of Multidisciplinary Informatics, Artificial Intelligence, and Business Innovation
Yohanes Andriano Teras
Universitas Widya Gama Mahakam Samarinda

Published : 1 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 1 Documents
Search

 1 
Perbandingan Akurasi Algoritma Machine Learning untuk Prediksi Diabetes Berdasarkan Data Skrining Pasien Lansia di Puskesmas Sempaja Nelson Sompa Arifin; Yohanes Andriano Teras; Gede Enos Karli; Norsianalara; Lisnawati; Aldi Bastiatul Fawait
Journal of Multidisciplinary Informatics, Artificial Intelligence, and Business Innovation Vol. 1 No. 2 (2026)
Publisher : Universitas Widya Gama Mahakam Samarinda

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.24903/minabis.v1i2.25

Abstract

Diabetes melitus merupakan salah satu penyakit tidak menular yang memerlukan deteksi dini untuk mengurangi risiko komplikasi dan meningkatkan kualitas hidup pasien. Penelitian ini bertujuan membandingkan performa beberapa algoritma machine learning dalam memprediksi diabetes berdasarkan data skrining pasien lansia di Puskesmas Sempaja. Metode yang digunakan adalah data mining dengan tahapan Knowledge Discovery in Databases (KDD), meliputi seleksi data, prapemrosesan data, transformasi data, pemodelan, dan evaluasi. Dataset dibagi menjadi 80% data latih dan 20% data uji. Algoritma yang digunakan meliputi Decision Tree, K-Nearest Neighbors (KNN), Random Forest, Naïve Bayes, Support Vector Machine (SVM), dan Logistic Regression. Evaluasi model dilakukan menggunakan metrik accuracy, precision, recall, dan F1-score. Hasil penelitian menunjukkan bahwa Naïve Bayes, SVM, dan Logistic Regression memperoleh performa terbaik dengan nilai akurasi sebesar 88% dan F1-score sebesar 83%. Sementara itu, Decision Tree menunjukkan kemampuan yang lebih baik dalam mendeteksi kelas positif dibandingkan model lainnya. Hasil penelitian menunjukkan bahwa algoritma machine learning dapat dimanfaatkan untuk mendukung prediksi diabetes, dengan Naïve Bayes, SVM, dan Logistic Regression sebagai model yang memiliki performa terbaik pada dataset yang digunakan.
Co-Authors Aldi Bastiatul Fawait Fawait Gede Enos Karli Lisnawati Nelson Sompa Arifin Norsianalara