Prediksi Diabetes Menggunakan Algoritma Naive Bayes dan Greedy Forward Selection

Fitriyani Fitriyani(1*)
(1) Universitas ARS
(*) Corresponding Author

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


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%

Kata Kunci


Diabetes; Naïve Bayes; Greedy Forward Selection


Teks Lengkap:

PDF


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.


Artikel Statistik

Abstrak telah dilihat : 1527 kali
PDF telah dilihat : 1362 kali

Refbacks

  • Saat ini tidak ada refbacks.


Creative Commons License
This work is licensed under a Creative Commons Attribution-ShareAlike 4.0 International License.

 

Alamat Redaksi :
Departemen Sistem Informasi, Fakultas Teknologi Informasi
Universitas Andalas
Kampus Limau Manis, Padang 25163, Sumatera Barat

email: teknosi@fti.unand.ac.id

  Jumlah Pengunjung :

 

Creative Commons License
This work by JSI-Unand and licensed under a CC BY-SA 4.0 International License.