Prediksi Diabetes Menggunakan Algoritma Naive Bayes dan Greedy Forward Selection

Penulis

  • Fitriyani Fitriyani Universitas ARS

DOI:

https://doi.org/10.25077/TEKNOSI.v7i2.2021.61-69

Kata Kunci:

Diabetes, Naïve Bayes, Greedy Forward Selection

Abstrak

Diabetes merupakan penyakit yang mengancam kehidupan dengan pertumbuhan tercepat dan jika tidak diobati atau diindentifikasi akan menyebabkan komplikasi lain. Diabetes setiap tahunnya mengakibatkan kematian sebanyak 3.8 juta jiwa dan telah mempengaruhi 422 juta orang di seluruh Dunia. Dataset diabetes yang digunakan dalam penelitian ini adalah dataset publik, dataset ini akan diolah menggunakan model yang diusulkan. Dataset diabetes memiliki permasalahan seperti adanya fitur-fitur yang tidak relevan, fitur-fitur yang tidak relevan dapat menurunkan kinerja dari model yang digunakan. Seleksi fitur Greedy Forward Selection adalah seleksi fitur yang sangat efisien dan cepat dalam prosesnya. Algoritma Naïve Bayes merupakan algoritma yang mudah dan sederhana ketika diimplementasikan. Hasil penelitian menunjukkan bahwa model Naïve Bayes dan Greedy Forward Selection mendapatkan nilai akurasi tertinggi sebesar 91.73%, sedangkan model Naïve Bayes tanpa seleksi fitur Greedy Forward Selection hanya mendapat nilai akurasi sebesar 87.69%

Referensi

[1] M. M. F. Islam, R. Ferdousi, S. Rahman, and H. Y. Bushra, Likelihood Prediction of Diabetes at Early Stage Using Data Mining Techniques, vol. 992. 2020. [2] Noviandi, “Implementasi Algoritma Decision Tree C4.5 Untuk Prediksi Penyakit Diabetes,†Inohim, vol. 6, no. 1, pp. 1–5, 2018. [3] D. Sisodia and D. S. Sisodia, “Prediction of Diabetes using Classification Algorithms,†Procedia Comput. Sci., vol. 132, no. Iccids, pp. 1578–1585, 2018. [4] R. A. Siallagan and Fitriyani, “Prediksi Penyakit Diabetes Mellitus Menggunakan Algoritma C4.5,†vol. 3, no. 1, pp. 45–46, 2021. [5] R. S. Wahono, “A Systematic Literature Review of Software Defect Prediction : Research Trends , Datasets , Methods and Frameworks,†J. Softw. Eng., vol. 1, no. 1, 2015. [6] C. Catal and B. Diri, “A systematic review of software fault prediction studies,†Expert Syst. Appl., vol. 36, no. 4, pp. 7346–7354, 2009. [7] M. M. Saritas and A. Yasar, “Performance Analysis of ANN and Naive Bayes Classification Algorithm for Data Classification,†Int. J. Intell. Syst. Appl. Eng., vol. 7, pp. 88–91, 2019. [8] J. Han, M. Kamber, and J. Pei, Data Mining: Concepts and Techniques. 2012. [9] F. Fitriyani, “Metode Bagging Untuk Imbalance Class Pada Bedah Toraks Menggunakan Naive Bayes,†J. Kaji. Ilm., vol. 18, no. 3, p. 278, 2018. [10] F. Fitriyani and T. Arifin, “Implementasi Greedy Forward Selection untuk Prediksi Metode Penyakit Kutil Menggunakan Decision Tree,†JST (Jurnal Sains dan Teknol., vol. 9, no. 1, pp. 76–85, 2020. [11] S. D. Jadhav and H. P. Channe, “Comparative Study of K-NN, Naive Bayes and Decision Tree Classification Techniques,†Int. J. Sci. Res., vol. 5, no. 1, pp. 1842–1845, 2016. [12] D. Vigneswari, N. K. Kumar, V. Ganesh Raj, A. Gugan, and S. R. Vikash, “Machine Learning Tree Classifiers in Predicting Diabetes Mellitus,†2019 5th Int. Conf. Adv. Comput. Commun. Syst. ICACCS 2019, pp. 84–87, 2019. [13] P. Sonar and K. Jaya Malini, “Diabetes prediction using different machine learning approaches,†Proc. 3rd Int. Conf. Comput. Methodol. Commun. ICCMC 2019, no. Iccmc, pp. 367–371, 2019. [14] V. Sindhu, S. A. S. Prabha, S. Veni, and M. Hemalatha, “Thoracic surgery analysis using data mining techniques,†vol. 5, no. April, pp. 578–586, 2014. [15] R. Sanjaya and F. Fitriyani, “Prediksi Bedah Toraks Menggunakan Seleksi Fitur Forward Selection dan K-Nearest Neighbor,†J. Edukasi dan Penelit. Inform., vol. 5, no. 3, p. 316, 2019. [16] F. Fitriyani and R. S. Wahono, “Integrasi Bagging dan Greedy Forward Selection pada Prediksi Cacat Software dengan Menggunakan Naïve Bayes,†J. Softw. Eng., vol. 1, no. 2, pp. 101–108, 2015. [17] Alpaydın Ethem, Introduction to Machine Learning Second Edition, 2nd ed. London: MIT, 2010. [18] R. S. Wahono, N. S. Herman, and S. Ahmad, “Neural Network Parameter Optimization Based on Genetic Algorithm for Software Defect Prediction,†vol. 20, no. 10, pp. 1951–1955, 2014.

Unduhan

Telah diserahkan

08-07-2021

Diterima

28-08-2021

Diterbitkan

31-08-2021

Cara Mengutip

[1]
F. Fitriyani, “Prediksi Diabetes Menggunakan Algoritma Naive Bayes dan Greedy Forward Selection”, TEKNOSI, vol. 7, no. 2, hlm. 61–69, Agu 2021.

Terbitan

Vol 7 No 2 (2021): Agustus 2021

Bagian

Articles

Lisensi

Hak cipta untuk artikel ini ditransfer ke Jurnal Nasional Teknologi dan Sistem Informasi (TEKNOSI) jika dan ketika artikel diterima untuk publikasi. Yang bertanda tangan di bawah ini dengan ini mentransfer setiap dan semua hak di dalam dan ke kertas termasuk tanpa batasan semua hak cipta untuk TEKNOSI. Yang bertanda tangan di bawah ini dengan ini menyatakan dan menjamin bahwa makalah tersebut asli dan bahwa ia adalah pembuat makalah, kecuali untuk bahan yang secara jelas diidentifikasi sebagai sumber aslinya, dengan pemberitahuan izin dari pemilik hak cipta jika diperlukan. Yang bertanda tangan di bawah ini menyatakan bahwa ia memiliki kekuatan dan wewenang untuk membuat dan melaksanakan penugasan ini.

Kami menyatakan bahwa:

  1. Makalah ini belum diterbitkan dalam bentuk yang sama di tempat lain.
  2. Makalah ini tidak akan dikirimkan di tempat lain untuk publikasi sebelum penerimaan/penolakan oleh Jurnal ini
  3. Izin hak cipta diperoleh untuk materi yang diterbitkan di tempat lain dan yang memerlukan izin ini untuk reproduksi.

 Selanjutnya, Saya/kami dengan ini mentransfer hak publikasi yang tidak terbatas dari makalah yang disebutkan di atas secara keseluruhan kepada TEKNOSI. Transfer hak cipta mencakup hak untuk mereproduksi dan mendistribusikan artikel, termasuk cetak ulang, terjemahan, reproduksi foto, mikroform, bentuk elektronik (offline, online) atau reproduksi lain yang serupa.

Penulis yang sesuai menandatangani dan menerima tanggung jawab untuk merilis materi ini atas nama setiap dan semua penulis bersama. Perjanjian ini harus ditandatangani oleh setidaknya salah satu penulis yang telah memperoleh persetujuan dari rekan penulis jika berlaku. Setelah pengajuan perjanjian ini ditandatangani oleh penulis yang sesuai, perubahan kepengarangan atau dalam urutan penulis yang tercantum tidak akan diterima.

Hak / Syarat dan Ketentuan yang dipertahankan :

  1. Penulis memiliki semua hak kepemilikan dalam setiap proses, prosedur, atau artikel manufaktur yang dijelaskan dalam Karya ini.
  2. Penulis dapat mereproduksi atau mengotorisasi orang lain untuk mereproduksi karya  ini atau karya turunannya untuk penggunaan pribadi penulis atau untuk penggunaan perusahaan, dengan ketentuan bahwa sumber dan menyatakan hak cipta dimiliki TEKNOSI, salinan tidak digunakan dengan cara apa pun yang menyiratkan pengesahan TEKNOSI atas suatu produk atau layanan dari pihak mana pun, dan salinannya sendiri tidak ditawarkan untuk dijual.
  3. Meskipun penulis diizinkan untuk menggunakan kembali semua atau sebagian dari karya ini dalam karya lain, ini tidak termasuk mengabulkan permintaan pihak ketiga untuk mencetak ulang, menerbitkan ulang, atau jenis penggunaan ulang lainnya.

Artikel Serupa

> >> 

Anda juga bisa Mulai pencarian similarity tingkat lanjut untuk artikel ini.