PERBANDINGAN PERFORMA ALGORITMA NAÏVE BAYES DENGAN DECISION TREE DALAM KLASIFIKASI DIAGNOSIS DIABETES

PERBANDINGAN PERFORMA ALGORITMA NAÏVE BAYES DENGAN DECISION TREE DALAM KLASIFIKASI DIAGNOSIS DIABETES

• By Wijaya, Abimanyu; Laoly, Ayoeb; Ramadhani, Farras;
• Jurnal
• 5
• 1-8

Diabetes adalah suatu gangguan metabolik yang ditandai dengan peningkatan kadar glukosa dalam
darah, karena tubuh tidak dapat memanfaatkannya secara efektif. Diabetes merupakan penyakit kronis yang
berpotensi berbahaya, terutama jika tidak terkontrol dengan baik dan dapat menyebabkan komplikasi serius. Kadar
glukosa dalam darah berperan penting sebagai sumber energi bagi tubuh agar dapat berfungsi optimal selama
aktivitas. Konsumsi glukosa seharusnya sejalan dengan kegiatan fisik yang dilakukan setiap harinya. Penelitian
ini merupakan eksperimen yang menggunakan data hasil studi literatur dengan bantuan aplikasi Excel dan
RapidMiner. Tujuannya untuk membandingkan performa dua algoritma klasifikasi populer, yaitu Naïve Bayes dan
Decision Tree dalam klasifikasi diagnosa diabetes. Data-data yang termasuk ke dalam diagnosa diabetes, seperti
umur, gender, BMI, tekanan darah, FBS, HbA1C, latar belakang kelaurga, perokok atau tidak, diet, dan olahraga.
Hasil penelitian menunjukkan bahwa algoritma Naïve Bayes memiliki tingkat keakuratan sebesar 81.58%,
sedangkan algoritma Decision Tree mencapai tingkat keakuratan sebesar 94.74%. Selain itu, pada nilai AUC (Area
Under Curve) yang mengukur kualitas pemisahan kelas, algoritma Naïve Bayes memperoleh jumlah 0.927,
sedangkan algoritma Decision Tree memperoleh jumlah 0.943.

• Katakunci Klasifikasi, Naïve Bayes, Decision Tree, Rapidminer, Diabetes.
• URL https://ejournal.mediaantartika.id/index.php/jka/authorDashboard/submission/595
• Penerbit LPPM BSI Jakarta, Jakarta DKI Jakarta

REFERENSI

[1] S. dr. Sherrvy Eva Wijayaningrum, M.Biomed, “Memahami Diabetes, Penyebab, Jenis, Gejala, dan
Pengobatannya,” siloamhospitals, 2024. https://www.siloamhospitals.com/informasisiloam/artikel/diabetes

[2] A. P. Permana, K. Ainiyah, and K. F. H. Holle, “Analisis Perbandingan Algoritma Decision Tree, kNN,
dan Naive Bayes untuk Prediksi Kesuksesan Start-up,” JISKA (Jurnal Inform. Sunan Kalijaga), vol. 6, no.3, pp. 178–188, 2021, doi: 10.14421/jiska.2021.6.3.178-188.

[3] E. Fauziningrum, M.Pd and E. I. Sulistyaningsih, “Penerapan Data Mining Metode Decision Tree Untuk
Mengukur Penguasaan Bahasa Inggris Maritim (Studi Kasus Di Universitas Maritim Amni),” J. Sains Dan
Teknol. Marit., vol. 22, no. 1, p. 41, 2021, doi: 10.33556/jstm.v22i1.285.

[4] A. Ridwan, “Penerapan Algoritma Naïve Bayes Untuk Klasifikasi Penyakit Diabetes Mellitus,” J.
SISKOM-KB (Sistem Komput. dan Kecerdasan Buatan), vol. 4, no. 1, pp. 15–21, 2020, doi:
10.47970/siskom-kb.v4i1.169.

[5] B. A. R. P. Wahyu, A. F. Farozi, C. P. Mahendra, and R. K. Hapsari, “Classification of Diabetes Sufferers
Based on Decision Tree,” Integer, vol. 8, no. 1, pp. 80–89, 2023.

[6] D. S. Rahayu, J. Afifah, and S. Intan, “Classification of Diabetes Mellitus Using C4 . 5 Algorithm , Support
Vector Machine ( SVM ) and Linear Regression Klasifikasi Penyakit Diabetes Melitus Menggunakan
Algoritma C4 . 5 , Support Vector Machine ( SVM ) dan Regresi Linear,” SENTIMAS Semin. Nas. Penelit.
dan Pengabdi. Masy., vol. 1, no. 1 SE-, pp. 56–63, 2023, [Online]. Available:
https://journal.irpi.or.id/index.php/sentimas/article/view/550

[7] N. M. Putry, “Komparasi Algoritma Knn Dan Naïve Bayes Untuk Klasifikasi Diagnosis Penyakit Diabetes
Mellitus,” EVOLUSI J. Sains dan Manaj., vol. 10, no. 1, 2022, doi: 10.31294/evolusi.v10i1.12514.

[8] N. Nurdiana and A. Algifari, “Studi Komparasi Algoritma Id3 Dan Algoritma Naive Bayes Untuk
Klasifikasi Penyakit Diabetes Mellitus,” Infotech J., vol. 6, no. 2, pp. 574–586, 2020.

[9] S. Ucha Putri, E. Irawan, F. Rizky, S. Tunas Bangsa, P. A. -Indonesia Jln Sudirman Blok No, and S. Utara,
“Implementasi Data Mining Untuk Prediksi Penyakit Diabetes Dengan Algoritma C4.5,” Januari, vol. 2,
no. 1, pp. 39–46, 2021.

[10] F. Lia Dwi Cahyanti and E. F. Sarasati Fajar, Widi Astuti, “KLASIFIKASI DATA MINING DENGAN
ALGORITMA MACHINE LARNING UNTUK PREDIKSI PENYAKIT LIVER,” vol. 14, no. 2, 2023.

[11] H. Rizqifaluthi and M. A. Yaqin, “Process Mining Akademik Sekolah menggunakan RapidMiner,”Matics, vol. 10, no. 2, p. 47, 2019, doi: 10.18860/mat.v10i2.5158.

[12] R. Kausar, A. Budiman Kusdinar, and I. R. Setiawan, “Penerapan Metode Naive Bayes Untuk Penilaian
Ujian Kenaikan Tingkat Olahraga Karate,” vol. 07, pp. 2657–1501, 2022, [Online]. Available:
https://kaggle.com/

[13] A. H. Nasrullah, “Implementasi Algoritma Decision Tree Untuk Klasifikasi Data Peserta Didik,” J. Pilar
Nusa Mandiri, vol. 7, no. 2, p. 217, 2021.