Penerapan Algoritma K-Nearest Neighbor untuk Mendeteksi Diabetes Berbasis Web Application

Mohammad Farrel Nur Rilwanu, Faris Huwaidi, Hibar Taufikurachman

Abstract


Abstrak

Indonesia merupakan negara peringkat kelima penderita diabetes terbanyak di dunia. Hal ini dipengaruhi pola hidup yang tidak sehat kemudian ditambah dengan kurangnya kesadaran masyarakat untuk mengecek apakah dia terkena diabetes atau tidak. Algoritma KNN (K-Nearest Neighbor) dapat digunakan untuk memprediksi apakah seseorang mengidap diabetes. Dengan menggunakan dataset dari Pima Indian Diabetes Database dilakukan proses pelatihan data menggunakan algoritma KNN dan didapatkan hasil akurasi yang lumayan menggunakan jupyter notebook. Dari hasil data set yang dilatih kemudian diekspor untuk dapat digunakan dalam pengembangan website menggunakan bahasa pemrograman phyton. Pada aplikasi web yang dikembangkan user diminta untuk menginputkan data pregnancies (angka kehamilan seseorang selama dia hidup), kadar insulin, kadar glukosa, BMI, Tekanan darah, riwayat diabetes dalam keluarga, ketebalan kulit, dan umur dalam bentuk slider. Data input diroses dengan algoritma KNN untuk menentukan hasil Outcome berupa hasil positif diabetes atau negatif berdasarkan kedekatan data baru yang di input dengan data lain yang telah dilatih.

Kata kunci: Diabetes, KNN, Prediksi, Aplikasi web, Dataset


Full Text:

PDF

References


R. Yosmar, D. Almasdy, and F. Rahma, “Survei Risiko Penyakit Diabetes Melitus Terhadap Masyarakat Kota Padang,” J. Sains Farm. Klin., vol. 5, p. 134, Aug. 2018, doi: 10.25077/jsfk.5.2.134-141.2018.

I. Luthfa, “Implementasi Selfcare Activity Penderita Diabetes Mellitus di Wilayah Puskesmas Bangetayu Semarang,” Bul. Penelit. Kesehat., vol. 47, no. 1, pp. 23–28, 2019, doi: 10.22435/bpk.v47i1.779.

H. Leidiyana, “Penerapan Algoritma K-Nearest Neighbor Untuk Penentuan Resiko Kredit Kepemilikan Kendaraan Bermotor,” J. Penelit. Ilmu Komputer, Syst. Embed. Log., vol. 1, no. 1, pp. 65–76, 2013.

M. Lestari, “Penerapan Algoritma Klasifikasi Nearest Neighbor (K-NN) untuk Mendeteksi Penyakit Jantung,” Fakt. Exacta, vol. 7, no. September 2010, pp. 366–371, 2014.

C. W. Yean et al., “Analysis of the Distance Metrics of KNN Classifier for EEG Signal in Stroke Patients,” 2018 Int. Conf. Comput. Approach Smart Syst. Des. Appl. ICASSDA 2018, pp. 1–4, 2018, doi: 10.1109/ICASSDA.2018.8477601.

C. A. Pamungkas, “Aplikasi Penghitung Jarak Koordinat Berdasarkan Latitude Dan Longitude Dengan Metode Euclidean Distance Dan Metode Haversine,” J. Inf. Politek. Indonusa Surakarta, vol. 5, no. 2, pp. 8–13, 2019.

K. Latifah, “Kombinasi Algorithma K-NN dan Manhattan Distance untuk Menentukan Pemenang Lelang,” J. Inform. Upgris, vol. 1, pp. 49–58, 2015, [Online]. Available: https://docplayer.info/34038947-Kombinasi-algorithma-k-nn-dan-manhattan-distance-untuk-menentukan-pemenang-lelang.html.

M. Nishom, “Perbandingan Akurasi Euclidean Distance, Minkowski Distance, dan Manhattan Distance pada Algoritma K-Means Clustering berbasis Chi-Square,” J. Inform. J. Pengemb. IT, vol. 4, pp. 20–24, Jan. 2019, doi: 10.30591/jpit.v4i1.1253.

S. Haryati, “RESEARCH AND DEVELOPMENT (R&D) SEBAGAI SALAH SATU MODEL PENELITIAN DALAM BIDANG PENDIDIKAN,” Maj. Ilm. Din., no. vol.37.No.1, 15 Januari 2012, 2012, [Online]. Available: http://jurnal.utm.ac.id/index.php/MID/article/view/13.




DOI: https://doi.org/10.17509/seict.v3i1.42347

Refbacks

  • There are currently no refbacks.


Copyright (c) 2022 Journal of Software Engineering, Information and Communication Technology (SEICT)

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

Journal of Software Engineering, Information and Communicaton Technology (SEICT), 
(e-ISSN:
2774-1699 | p-ISSN:2744-1656) published by Program Studi Rekayasa Perangkat Lunak, Kampus UPI di Cibiru.


 Indexed by.