Article Per Year (5 Year)
p-Index From 2021 - 2026
1.642
P-Index
This Author published in this journals
All Journal Jurnal Teknologi Informasi dan Ilmu Komputer Sistemasi: Jurnal Sistem Informasi Jurnal Informatika Jurnal Pilar Nusa Mandiri Jurnal Manajemen Informatika Jurnal Teknologi dan Informasi Jurnal Informatika Global Jurnal Sistem Komputer & Kecerdasan Buatan Abdimasku : Jurnal Pengabdian Masyarakat Jurnal AbdiMas Nusa Mandiri Paradigma
Nawawi, Hendri Mahmud
Unknown Affiliation
Computer Science & IT Control & Systems Engineering Decision Sciences, Operations Research & Management Economics, Econometrics & Finance Education Electrical & Electronics Engineering Energy Engineering Environmental Science Health Professions Industrial & Manufacturing Engineering Mathematics Physics Social Sciences Other

Published : 13 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 1 Documents
Search
Journal : Jurnal Informatika Global

 1 
Klasifikasi Resiko Diabetes terhadap Gaya Hidup dengan Algoritma K-Nearest Neighbor (k-NN) dan Naive Bayes Jonhar, Thaufik Darma; Fiananta, Maulana; Purwanto, Dicky; Nawawi, Hendri Mahmud
Jurnal Ilmiah Informatika Global Vol. 17 No. 01 (2026): April 2026
Publisher : UNIVERSITAS INDO GLOBAL MANDIRI

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.36982/jiig.v17i01.6705

Abstract

Diabetes melitus merupakan gangguan metabolik yang terjadi ketika pankreas tidak mampu memproduksi insulindalam jumlah yang cukup atau ketika tubuh tidak dapat menggunakan insulin secara efektif, sehingga menyebabkan kadar gula darah tidak terkontrol dan berpotensi menimbulkan komplikasi jangka panjang. Penelitian ini menerapkan pendekatan data mining untuk mengklasifikasikan tingkat risiko diabetes menggunakan dua algoritma supervised learning, yaitu Naive Bayes dan k-Nearest Neighbor (k-NN), dengan tujuan membandingkan kinerja prediksi serta mengidentifikasi pola dari dataset. Proses penelitian mengikuti tahapan Knowledge Discovery in Database (KDD), meliputi seleksi data, pra-pemrosesan, transformasi, pemodelan, dan evaluasi. Seluruh eksperimen dilakukan menggunakan RapidMiner dengan skema pembagian data 80:20 melalui stratified split dan random seed tetap untuk menjaga konsistensi hasil. Evaluasi model menggunakan confusion matrix, akurasi, precision, recall, dan F1-score. Hasil menunjukkan bahwa k-NN memperoleh akurasi sebesar 81,72%, lebih tinggi dibandingkan Naive Bayes sebesar 75,42%. Dari sisi precision dan recall, Naive Bayes menghasilkan precision 86,69%, recall 93,12%, dan F1-score 89,79%, sedangkan k-NN memperoleh precision 90,68%, recall 80,33%, dan F1-score 85,19%. Meskipun k-NN unggul dalam akurasi dan precision, Naive Bayes menunjukkan keseimbangan performa yang lebih baik melalui nilai recall dan F1-score yang lebih tinggi, khususnya dalam mendeteksi kelas positif. Temuan ini menegaskan bahwa pemilihan model tidak hanya mempertimbangkan akurasi keseluruhan, tetapi juga performa pada tiap kelas, terutama pada dataset kesehatan yang cenderung tidak seimbang.
Co-Authors Agung Baitul Hikmah Agung Sasongko Agustiani, Sarifah Ali Mustopa, Ali ANI OKTARINI SARI, ANI OKTARINI Badariatul Lailiah Eri Bayu Pratama, Eri Bayu Fiananta, Maulana Gata, Windu Jajang Jaya Purnama Jonhar, Thaufik Darma Junianto, Rahmad Kahfi, Ahmad Hafidzul Kholifah, Desiana Nur M. Rangga Ramadhan Saelan Muhammad Ifan Rifani Ihsan Nugraha, Fitra Septia Purwanto, Dicky Ridwansyah Ridwansyah Risnandar, Risnandar Rizka Dahlia Saadah, Rabiatus Sarwono Sarwono Siti Khotimatul Wildah Susy Rosyida Thira, Indra Jiwana