Article Per Year (5 Year)
p-Index From 2021 - 2026
1.578
P-Index
This Author published in this journals
All Journal Jurnal Pengabdian Kepada Masyarakat Sakai Sambayan Jurnal Informatika dan Teknik Elektro Terapan Prosiding Seminar Nasional Hasil Penelitian Sains, Teknik dan Aplikasi Industri Fakultas Teknik Universitas Lampung Electrician : Jurnal Rekayasa dan Teknologi Elektro Jurnal Bisantara Informatika Jurnal abimana (Jurnal Pengabdian Kepada Masyarakat Nasional)
Nadia Julian Putri
Universitas Lampung
Agriculture, Biological Sciences & Forestry Biochemistry, Genetics & Molecular Biology Chemical Engineering, Chemistry & Bioengineering Civil Engineering, Building, Construction & Architecture Computer Science & IT Control & Systems Engineering Economics, Econometrics & Finance Electrical & Electronics Engineering Engineering Industrial & Manufacturing Engineering Medicine & Pharmacology Other

Published : 8 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 1 Documents
Search

 1 
Analisis Komparatif Algoritma SVM, KKN, dan Naive Bayes pada Prediksi Diabetes Menggunakan Teknik SMOTE Muthia, Tiya; Nurrahma; Putri, Nadia Julian; Karimah, Aulia Rinjani
Prosiding Seminar Nasional Ilmu Teknik Dan Aplikasi Industri Fakultas Teknik Universitas Lampung Vol. 8 (2025): Prosiding Seminar Nasional Ilmu Teknik dan Aplikasi Industri (SINTA) 2025
Publisher : Fakultas Teknik Universitas Lampung

Show Abstract | Download Original | Original Source | Check in Google Scholar

Abstract

Ketidakseimbangan kelas (class imbalance) pada data medis menjadi tantangan signifikan dalam pengembangan model klasifikasi penyakit, khususnya diabetes. Ketidakseimbangan data menyebabkan model cenderung bias terhadap kelas mayoritas sehingga sensitivitas terhadap kelas minoritas menurun. Penelitian ini bertujuan untuk menerapkan teknik oversampling SMOTE (Synthetic Minority Over-sampling Technique) pada dataset indikator kesehatan diabetes BRFSS 2021, serta melakukan analisis komparatif terhadap tiga algoritma supervised learning, yaitu Support Vector Machine (SVM), K-Nearest Neighbors (KNN), dan Naive Bayes (NB). Tahapan penelitian mencakup pembersihan data, penyeimbangan kelas menggunakan SMOTE, normalisasi fitur, pelatihan model, serta evaluasi menggunakan akurasi. Hasil penelitian menunjukkan bahwa model KNN memberikan akurasi tertinggi sebesar 73,27%, diikuti SVM dengan akurasi 71,20% dan Naive Bayes sebesar 67,66%. Penerapan SMOTE meningkatkan proporsionalitas data dan memungkinkan model mempelajari pola kelas minoritas secara lebih efektif. Penelitian ini memberikan kontribusi terhadap pengembangan sistem pendeteksian dini diabetes berbasis machine learning.
Co-Authors Awansah, Awansah Charles Ronald Harahap Endah Komalasari Fahrur Riza Priyana Karimah, Aulia Rinjani Khawarizmi, M. Nur Khawarizmi, Muhammad Nur Muhammad Fikri Muhammad Ifan Saputra Muthia, Tiya Nurrahma, Nurrahma Setiawan, Rizkima Akbar