KOMPARASI ALGORITMA NAÏVE BAYES DAN K-NEAREST NEIGHBOR (KNN) UNTUK MEMBANGUN PENGETAHUAN DIAGNOSA PENYAKIT DIABETES

Nurmalasari, Maulidya Dwi (2022) KOMPARASI ALGORITMA NAÏVE BAYES DAN K-NEAREST NEIGHBOR (KNN) UNTUK MEMBANGUN PENGETAHUAN DIAGNOSA PENYAKIT DIABETES. S2 - Magister thesis, Universitas AMIKOM Yogyakarta.

Text (THESIS) 20.52.1302 Maulidya Dwi Nurmalasari.pdf Download (3MB)

Abstract

Diabetes disebabkan oleh kekurangan hormon insulin yang dikeluarkan oleh pankreas untuk menurunkan kadar gula darah. Faktor-Faktor yang memicu terjadinya penyakit diabetes berasal dari berbagai faktor seperti kombinasi faktor genetik dan lingkungan.Munculnya fenomena munculnya berbagai outlet brand minuman bisa menjadi salah satu pemicu kadar gula darah pada manusia. Kadar gula darah normal pada tubuh berkisar antara 70-130 mg/dL pada saat sebelum makan, kurang dari 180 mg/dL pada saat dua jam setelah makan, kurang dari 100 mg/dL pada saat setelah tidak makan atau berpuasa selama delapan jam, dan 100140 mg/dL pada saat menjelang tidur. Masalah kompleksitas pengetahuan dan data dalam sistem diagnosa ini diatasi dengan menggunakan metode Naïve Bayes dan K Nearest Neighbor(KNN). Proses penentuan keputusan dalam sistem diagnosa penyakit diabetes ini diawali dengan menggunakan data dari UCI Machine Learning untuk selanjutnya dilakukan perhitungan dengan menggunakan 2 metode tersebut dan dilakukan evaluasi menggunakan Confusion Matrix Hasil akhir dari penelitian ini adalah sebuah perbandingan sistem prediksi dengan Naïve Bayes dan K Nearest Neighbor(KNN) untuk melakukan keputusan atau diagnosa penyakit diabetes dengan performa metode terbaik, yang dapat dijadikan diagnosa penyakit diabetes dan pengaruh normalisasi minimax pada perfoma metode.

Actions (login required)

View Item