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

• ABIMANYU PASYAH RIZKY WIJAYA
• FARRAS SHADIQ RAMADHANI
• AYOEB YASPIS LAOLY
• 2024

---

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.

• Klasifikasi
• Naïve Bayes
• Decision Tree
• Rapidminer
• Diabetes.

https://repository.bsi.ac.id/repo/56437/PERBANDINGAN-PERFORMA-ALGORITMA-NAÏVE-BAYES-DENGAN-DECISION-TREE-DALAM-KLASIFIKASI-DIAGNOSIS-DIABETES
Anda dapat membaca file tugas akhir ini di repository.