<![CDATA[Diabetes melitus merupakan penyakit metabolik yang prevalensinya terus meningkat dan berisiko menimbulkan berbagai komplikasi serius. Wanita dengan riwayat kehamilan memiliki risiko lebih tinggi mengalami diabetes tipe 2 sehingga diperlukan metode deteksi dini yang efektif. Penelitian ini bertujuan membandingkan kinerja algoritma Naive Bayes dan K-Nearest Neighbors (KNN) dalam memprediksi diabetes pada wanita pasca-hamil menggunakan dataset Pima Indians Diabetes yang telah melalui proses pembersihan data, imputasi nilai hilang, standardisasi fitur, dan penyeimbangan kelas menggunakan SMOTE. Evaluasi dilakukan menggunakan metrik Accuracy, Precision, Recall, F1-Score, dan AUC-ROC pada dua skema pembagian data, yaitu pre-split dan stratified resplit. Hasil penelitian menunjukkan bahwa performa model dipengaruhi oleh skema pembagian data yang digunakan. Pada data yang telah dibersihkan dan dibagi secara stratified, KNN memberikan performa dan stabilitas yang lebih baik dibandingkan Naive Bayes serta menghasilkan jumlah false negative yang lebih rendah. Hasil ini menunjukkan bahwa KNN lebih efektif untuk prediksi diabetes pada wanita pasca-hamil.]]>
Copyrights © 2026
