<![CDATA[Diabetes Melitus merupakan salah satu isu kesehatan yang populer di Indonesia karena prevalensi penyakit ini meningkat setiap tahun. Berbagai penelitian menyebutkan penyakit berbahaya ini lebih rentan terjadi pada jenis kelamin perempuan. Untuk itu, penelitian ini ingin melakukan prediksi/klasifikasi penyakit diabetes pada wanita sebagai upaya pencegahan. Penelitian ini membandingkan metode Naïve Bayes dan K-Nearest Neighbor (KNN) untuk prediksi penyakit diabetes dengan dataset berjumlah 768, terdiri atas 500 data training dan 268 data testing. Naïve Bayes digunakan karena bisa menghasilkan akurasi yang tinggi dengan jumlah data pelatihan yang sedikit. Sementara itu, K-Nearest Neighbor digunakan karena nonlinear dan nonparametrik, serta mudah diterapkan. Kinerja kedua metode dibandingkan agar metode yang lebih baik dalam hal klasifikasi penyakit dapat ditemukan. Hasil penelitian menunjukkan metode Naïve Bayes memiliki tingkat akurasi yang lebih unggul yaitu 78,3582%, sedangkan metode K-Nearest Neighbor memiliki tingkat akurasi 0,3731% dibawah metode dengan Naïve Bayes yaitu 77,9851%.]]>
Copyrights © 2024
