<![CDATA[Klasifikasi yang akurat terhadap penyakit diabetes sangat penting untuk deteksi dini dan perencanaan pengobatan. Pembelajaran mesin menawarkan solusi yang menjanjikan untuk masalah ini, namun pemilihan metode yang tepat sangatlah penting. Penelitian ini mengevaluasi efektivitas penggunaan Gaussian Naive Bayes (GNB) dengan Analisis Komponen Utama (PCA) dalam klasifikasi diabetes. Tujuan utama adalah untuk menilai apakah PCA dapat meningkatkan kinerja model GNB. Hasil penelitian menunjukkan bahwa PCA tidak secara signifikan meningkatkan akurasi klasifikasi diabetes menggunakan GNB. Bahkan, model tanpa PCA menunjukkan kinerja yang sedikit lebih baik. Hal ini mengindikasikan bahwa PCA mungkin tidak cocok untuk semua kasus klasifikasi diabetes menggunakan GNB. Faktor-faktor seperti karakteristik data dan pemilihan hiperparameter dapat mempengaruhi efektivitas PCA. Penelitian lebih lanjut dapat mengeksplorasi metode reduksi dimensi atau algoritma pembelajaran mesin lainnya.]]>
Copyrights © 2025
