Article Per Year (5 Year)
p-Index From 2021 - 2026
1.244
P-Index
This Author published in this journals
All Journal Lingue : Jurnal Bahasa, Budaya, dan Sastra Prosiding Seminar Nasional Hasil Penelitian Sains, Teknik dan Aplikasi Industri Fakultas Teknik Universitas Lampung Edutainment : Jurnal Ilmu Pendidikan dan Kependidikan Guruku: Jurnal Pendidikan Profesi Guru GEMBIRA (Pengabdian Kepada Masyarakat) PEDAMAS (Pengabdian Kepada Masyarakat) AUFKLARUNG: Jurnal Kajian Bahasa, Sastra Indonesia, dan Pembelajarannya
Nurrahma
Unknown Affiliation
Religion Arts Humanities Chemical Engineering, Chemistry & Bioengineering Civil Engineering, Building, Construction & Architecture Computer Science & IT Economics, Econometrics & Finance Education Electrical & Electronics Engineering Energy Engineering Health Professions Industrial & Manufacturing Engineering Languange, Linguistic, Communication & Media Law, Crime, Criminology & Criminal Justice Mathematics Social Sciences 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 A. Anna Fauziah Al Mutazam Asdah, Atikah Nurul Devi Apyunita Fadil khaer Gaffar, Muh. Syukri Hasbi, Nur Idrus, Sulkifli Karimah, Aulia Rinjani Laeli Qadrianti Mirna Muh. Resky Ananda Andri Muhammad Yusri Bachtiar Muthia, Tiya Nur Alim Nur Putri Amalia Putri, Nadia Julian Safitri, Nur Anita Syamsi Sahriani Shafariana Shafariana Syamsiar, Syamsiar Syamsuardi Saodi Wana Zulfiani