Penggunaan Algoritma K-Nearest Neighbor Untuk Klasifikasi Data Diabetes Pada Wanita

Sahira, Maha Shelin
Putri, Fitria Dessela
Ristyawan, Aidina
Daniati, Erna

Prosiding SEMNAS INOTEK (Seminar Nasional Inovasi Teknologi)
Vol. 8 No. 1 (2024): SEMINAR NASIONAL INOVASI TEKNOLOGI 2024

Diabetes adalah kadar gula darah yang tinggi atau di atas nilai normal, dalam menguji berbagai metode pada kumpulan data yang relevan adalah salah satu cara untuk menentukan metode klasifikasi yang tepat untuk mengelola diabetes. Dalam penelitian ini, masalah yang diangkat adalah bagaimana mengukur kinerja metode klasifikasi dalam mengelola diabetes yang tidak dikontrol dengan baik. Selama proses klasifikasi, algoritma K-Nearest Neighbor dan tools yang digunakan RapidMiner untuk menguji nilai accuracy, class precision, dan class recall dari data yang digunakan dalam penelitian ini. Data yang digunakan dalam penelitian ini berasal dari dataset diabetes Kaggle. Oleh karena itu, algoritma K-Nearest Neighbor digunakan untuk mengklasifikasikan penyakit diabetes pada wanita dapat digunakan karena proses seleksinya cepat, metodenya mudah dipahami, dan memiliki nilai akurasi yang baik (79.93%), ketepatan kelas (78.19%), dan recall kelas 96.45%.