<![CDATA[Diabetes merupakan salah satu penyakit kronis yang prevalensinya terus meningkat secara global, dan memerlukan diagnosis yang cepat dan akurat untuk mencegah komplikasi lebih lanjut. Dalam upaya meningkatkan akurasi diagnosis, penelitian ini menerapkan metode forward selection dengan algoritma Naive Bayes untuk klasifikasi data diabetes, Fitur forward selection digunakan dalam pemilihan fitur untuk menyaring atribut-atribut yang relevan sehingga dapat meningkatkan performa model. Teknik Analisis dari penelitian ini berdasarkan KDD yang diawali dengan pengumpulan data dari sumber dataset terbuka yang berisi informasi medis pasien diabetes. Data kemudian diolah dengan preprocessing yang meliputi penanganan missing value dan set role . Langkah selanjutnya adalah penerapan fitur forward selection untuk memilih fitur yang paling berpengaruh terhadap prediksi diabetes. Algoritma Naive Bayes kemudian diaplikasikan pada subset fitur yang terpilih. Performa model diukur menggunakan metrik akurasi, precision, dan recall. Hasil penelitian menunjukkan bahwa penggunaan fitur forward selection berhasil meningkatkan akurasi model Naive Bayes secara signifikan dibandingkan dengan model yang menggunakan seluruh fitur tanpa seleksi. Pada model yang diterapkan dengan seleksi fitur, akurasi yang diperoleh mencapai 75.01% , precision 76.10% , dan recall 90.00% , sementara model tanpa seleksi fitur hanya mencapai akurasi 67.32% , precision 63.84 % , dan recall 64.27% . Kesimpulan dari penelitian ini adalah bahwa fitur forward selection pada algoritma Naive Bayes mampu meningkatkan akurasi dalam diagnosis penyakit diabetes, serta dapat mengurangi kompleksitas komputasi dengan menggunakan fitur yang lebih sedikit]]>
Copyrights © 2025
