ANALISIS PENGARUH GAYA HIDUP TERHADAP RISIKO TERKENA PENYAKIT DIABETES MELITUS TIPE 2 MENGGUNAKAN ALGORITMA NAÏVE BAYES

Pamungkas, Aditya Putra (2025) ANALISIS PENGARUH GAYA HIDUP TERHADAP RISIKO TERKENA PENYAKIT DIABETES MELITUS TIPE 2 MENGGUNAKAN ALGORITMA NAÏVE BAYES. S1 - Sarjana thesis, Universitas AMIKOM Yogyakarta.

[img] Text (COVER - ABSTRAK)
COVER.pdf - Published Version
Download (971kB)
[img] Text (BAB I)
BAB I.pdf - Published Version
Download (157kB)
[img] Text (BAB II)
BAB II.pdf - Published Version
Restricted to Registered users only
Download (543kB)
[img] Text (BAB III)
BAB III.pdf - Published Version
Restricted to Registered users only
Download (117kB)
[img] Text (BAB IV)
BAB IV.pdf - Published Version
Restricted to Registered users only
Download (372kB)
[img] Text (BAB V)
BAB V.pdf - Published Version
Download (49kB)
[img] Text (DAFTAR PUSTAKA - LAMPIRAN)
Daftar Pustaka dan Lampiran.pdf - Published Version
Restricted to Registered users only
Download (197kB)
[img] Archive (SOURCE CODE)
Sourcecode - 20.11.3609.zip
Restricted to Repository staff only
Download (2MB)
[img] Text (PUBLIKASI)
Publikasi.pdf - Published Version
Restricted to Repository staff only
Download (723kB)

Abstract

DM Tipe 2 merupakan salah satu penyakit tidak menular yang prevalensinya terus meningkat secara global, termasuk di Indonesia. Gaya hidup yang tidak sehat, seperti pola makan tinggi gula dan lemak, kurangnya aktivitas fisik, merokok, serta konsumsi alkohol, menjadi faktor risiko utama yang dapat memicu timbulnya penyakit ini. Penelitian ini bertujuan untuk menganalisis pengaruh gaya hidup terhadap risiko terkena DM Tipe 2 dengan menggunakan algoritma Naïve Bayes sebagai metode klasifikasi. Data yang digunakan dalam penelitian ini diperoleh dari website Kaggle, mencakup variabel gaya hidup seperti frekuensi konsumsi makanan cepat saji, olahraga, kebiasaan merokok, konsumsi alkohol, indeks massa tubuh (IMT), dan riwayat keluarga. Metode Naïve Bayes dipilih karena kemampuannya dalam mengolah data kategorikal dan menghasilkan prediksi dengan tingkat akurasi yang cukup baik meskipun dengan asumsi independensi antar variabel. Hasil pengujian model menunjukkan bahwa algoritma Naïve Bayes mampu mengklasifikasikan risiko terkena DM Tipe 2 dengan akurasi sebesar 67,93% setelah tiga kali melakukan proses data splitting. Selain itu, variabel gaya hidup seperti aktivitas fisik dan pola makan terbukti memiliki pengaruh paling signifikan terhadap peningkatan risiko penyakit ini. Penelitian ini menyimpulkan bahwa penerapan metode data mining, khususnya Naïve Bayes, efektif dalam mengidentifikasi individu berisiko tinggi terhadap DM Tipe 2. Hasil ini dapat digunakan sebagai dasar dalam program pencegahan dan edukasi masyarakat mengenai pentingnya gaya hidup sehat.

Item Type: Thesis (S1 - Sarjana)
Contributor:
Pembimbing
Baita, Anna
Uncontrolled Keywords: Lifestyle, Type 2 Diabetes Mellitus, Naïve Bayes, Classification, Data Mining, Gaya hidup, Diabetes Melitus Tipe 2, Klasifikasi.
Subjects: 000 - Komputer, Informasi dan Referensi Umum > 000 Ilmu komputer, ilmu pengetahuan dan sistem-sistem > 000 Ilmu komputer, informasi dan pekerjaan umum
000 - Komputer, Informasi dan Referensi Umum > 000 Ilmu komputer, ilmu pengetahuan dan sistem-sistem > 006 Metode komputer khusus
Divisions: Fakultas Ilmu Komputer > Informatika
Depositing User: RC Universitas AMIKOM Yogyakarta
Date Deposited: 06 Oct 2026 03:23
Last Modified: 06 Oct 2026 03:23
URI: http://eprints.amikom.ac.id/id/eprint/33165

Actions (login required)

View Item View Item