Perbandingan Akurasi Algoritma K-Nearest Neighbors dan Random Forest dalam Memprediksi Resiko Penyakit Diabetes Melitus
Total View This Week0
Total View This Week0
Institusion
Universitas Pembangunan Jaya Tangerang
Author
Luqman, Dzaky Athallah
Subject
Q Science (General)
Datestamp
2022-06-28 07:42:47
Abstract :
International Diabetes Federation (IDF) menyatakan bahwa per tahun 2021, diabetes melitus telah menjadi penyebab angka kematian sebanyak 6.1 juta jiwa di dunia. Teknologi kecerdasan buatan atau artificial intellegence dapat dimanfaatkan dalam memprediksi apakah seseorang terindikasi penyakit diabetes melitus atau tidak. Berdasarkan hal tersebut, diperlukan sebuah cara dalam memprediksi kecenderungan seseorang menderita penyakit diabetes berdasarkan data medis dan data diri yang bersangkutan. Penelitian ini bertujuan untuk menyediakan solusi atas masalah tersebut. Metode yang digunakan untuk memprediksi adalah machine learning dengan algoritma K-Nearest Neighbors (KNN) dan Random Forest. Fitur-fitur yang digunakan sebagai variabel prediksi adalah cholesterol, gula darah (HBA1C), usia, Indeks Masa Tubuh (IMT) dan jenis kelamin. Pengumpulan data berupa studi literasi, pengambilan dataset, dan pengujian model. Berdasarkan pengujian yang dilakukan, KNN dan Random Forest dapat digunakan dalam memprediksi penyakit diabetes dengan hasil akurasi yang serupa. Akurasi KNN mencapai 98% demikian juga dengan Random Forest. Lebih lanjut evaluasi menggunakan Confusion Matrix menunjukan bahwa Random Forest sedikit lebih akurat dibandingkan dengan KNN.
International Diabetes Federation (IDF) menyatakan bahwa per tahun 2021, diabetes melitus telah menjadi penyebab angka kematian sebanyak 6.1 juta jiwa di dunia. Teknologi kecerdasan buatan atau artificial intellegence dapat dimanfaatkan dalam memprediksi apakah seseorang terindikasi penyakit diabetes melitus atau tidak. Berdasarkan hal tersebut, diperlukan sebuah cara dalam memprediksi kecenderungan seseorang menderita penyakit diabetes berdasarkan data medis dan data diri yang bersangkutan. Penelitian ini bertujuan untuk menyediakan solusi atas masalah tersebut. Metode yang digunakan untuk memprediksi adalah machine learning dengan algoritma K-Nearest Neighbors (KNN) dan Random Forest. Fitur-fitur yang digunakan sebagai variabel prediksi adalah cholesterol, gula darah (HBA1C), usia, Indeks Masa Tubuh (IMT) dan jenis kelamin. Pengumpulan data berupa studi literasi, pengambilan dataset, dan pengujian model. Berdasarkan pengujian yang dilakukan, KNN dan Random Forest dapat digunakan dalam memprediksi penyakit diabetes dengan hasil akurasi yang serupa. Akurasi KNN mencapai 98% demikian juga dengan Random Forest. Lebih lanjut evaluasi menggunakan Confusion Matrix menunjukan bahwa Random Forest sedikit lebih akurat dibandingkan dengan KNN.
Download
book
BibTex
Latex, Jabref
cloud_download
Original Resource
url resource Institution
