<![CDATA[Penyakit diabetes adalah masalah kesehatan global yang signifikan, dan deteksi dini serta klasifikasi status penyakit ini sangat penting untuk pengelolaan yang efektif. Dalam konteks ini, penelitian ini bertujuan untuk mengimplementasikan model machine learning dengan algoritma K-Nearest Neighbors (KNN) pada klasifikasi status penyakit diabetes. Untuk memfasilitasi interaksi yang mudah dan pemahaman yang lebih baik oleh pengguna, aplikasi web berbasis Streamlit dikembangkan sebagai antarmuka. Dataset diabetes yang relevan digunakan untuk melatih dan menguji model KNN yang telah diimplementasikan. Metodologi penelitian mencakup tahap pengumpulan dan preprocessing data, pemilihan parameter, pelatihan model, dan evaluasi kinerja model. Hasil penelitian menunjukkan bahwa model KNN yang diimplementasikan melalui aplikasi Streamlit mampu melakukan klasifikasi status penyakit diabetes dengan tingkat akurasi yang baik. Pengguna dapat dengan mudah mengakses dan memanfaatkan aplikasi ini untuk mendapatkan prediksi status penyakit diabetes berdasarkan data yang mereka inputkan. Penelitian ini memiliki potensi untuk meningkatkan aksesibilitas dan pemahaman masyarakat terhadap status penyakit diabetes melalui pendekatan machine learning dan teknologi web. Selain itu, hasil penelitian ini dapat menjadi dasar untuk pengembangan lebih lanjut dalam bidang deteksi penyakit dan pemantauan kesehatan secara keseluruhan.]]>
Copyrights © 2024
