eprintid: 31796
rev_number: 8
eprint_status: archive
userid: 12
dir: disk0/00/03/17/96
datestamp: 2026-06-29 06:42:15
lastmod: 2026-06-29 06:42:15
status_changed: 2026-06-29 06:42:15
type: thesis
metadata_visibility: show
creators_name: Zuhri, Muhammad Rafli
creators_nim: 22.55.1241
contributors_name: -, Kusrini
corp_creators: Universitas AMIKOM Yogyakarta
title: ANALISIS PERBANDINGAN ALGORITMA KLASIFIKASI
UNTUK IDENTIFIKASI DIABETES DENGAN 
MENGGUNAKAN METODE RANDOM FOREST DAN 
NAÏVE BAYES
ispublished: pub
subjects: 000.000.000A
subjects: 000.000.005
divisions: PJJ
full_text_status: public
keywords: Diabetes, diagnosa, klasifikasi, naïve bayes, random forest, diagnosis, classification.
abstract: Penyakit diabetes kini menyerang manusia tanpa mengenal usia. Bahkan
lebih dari 1,2 juta anak-anak dan remaja di dunia terkena penyakit diabetes.
Penyakit diabetes pun masih masuk ke daftar penyakit paling mematikan di dunia.
Penanganan penyakit diabetes menjadi penting karena komplikasi yang dapat
terjadi jika tak ditanggulangi dengan benar. Oleh karena itu, pengembangan metode
yang efektif dalam mendiagnosis penyakit diabetes pada perempuan menjadi sangat
penting. Banyak faktor yang mempengaruhi orang menderita diabetes, beberapa
diantaranya yaitu tekanan darah tinggi, kadar gula berlebih, berat badan, riwayat
keturunan diabetes, usia, jumlah kehamilan seseorang, ketebalan lipatan kulit, dan
jumlah kadar insulin dalam tubuh. Berbagai metode telah digunakan untuk
mengidentifikasi diabetes, termasuk pemeriksaan fisik, tes darah, dan tes urine,
namun hasil pemeriksaan membutuhkan waktu yang lama untuk mengetahui
hasilnya sehingga dibutuhkan teknologi untuk memberikan kemudahan setiap
orang dalam menerima informasi secara cepat. 
Random Forest dan Naïve Bayes merupakan dua algoritma klasifikasi yang
populer. Random Forest adalah metode kompleks yang didasarkan pada
penggabungan beberapa pohon keputusan untuk mendapatkan prediksi yang lebih
akurat. Sedangkan Naïve Bayes merupakan metode pengklasifikasian berdasarkan
probabilitas sederhana dan dirancang agar dapat dipergunakan denegan asumsi
antar variabel penjelas saling bebas (independen). Tujuan dari penelitian ini untuk
menganalisis perbandingan antara algoritma Naïve Bayes dan Random Foret dalam
mengidentifikasi penyakit diabetes. 
Berdasarkan hasil penelitian, Naïve Bayes dapat dinyatakan sebagai
algoritma dengan kinerja paling stabil dalam penelitian ini karena unggul pada
metrik akurasi dan presisi. Namun, Random Forest lebih baik dalam menjaga
keseimbangan performa antara presisi dan recall sebagaimana tercermin pada nilai
F1-score. Perbedaan kinerja kedua algoritma dipengaruhi oleh karakteristik dataset,
keberadaan imbalance data, serta nilai ekstrem pada beberapa atribut medis.
Dengan demikian, pemilihan algoritma terbaik bergantung pada tujuan penggunaan
model. Jika fokus utama adalah ketepatan prediksi secara umum, maka Naïve Bayes
lebih direkomendasikan. Namun, jika fokus diarahkan pada keseimbangan deteksi
kasus diabetes, maka Random Forest menjadi alternatif yang lebih sesuai.
date: 2025-12-16
date_type: published
institution: Universitas AMIKOM Yogyakarta
department: Pascasarjana Magister Informatika
thesis_type: masters
thesis_name: tesis
citation:   Zuhri, Muhammad Rafli  (2025) ANALISIS PERBANDINGAN ALGORITMA KLASIFIKASI UNTUK IDENTIFIKASI DIABETES DENGAN MENGGUNAKAN METODE RANDOM FOREST DAN NAÏVE BAYES.  S2 - Magister thesis, Universitas AMIKOM Yogyakarta.   
document_url: https://eprints.amikom.ac.id/id/eprint/31796/1/22.55.1241%20-%20Muhammad%20Rafli%20Zuhri.pdf