Text

Aplikasi Deteksi Dini Diabetes Mellitus Menggunakan Modified K–Nearest Neighbor

---

ABSTRAK

Diabetes Mellitus (DM) merupakan salah satu penyakit yang dapat menyebabkan kematian dan
salah satu penyakit yang disebabkan karena faktor keturunan. Kurangnya kesadaran
masyarakat akan pola hidup sehat serta keterlambatan masyarakat menyadari gejala-gejala
awal indikasi risiko penyakit DM menyebabkan penyakit tidak cepat ditangani. Untuk
mengatasi hal tersebut maka dilakukan langkah preventif dengan membangun pendeteksian
dini penyakit DM. Pendeteksian dapat dilakukan dengan menggunakan metode Modified KNearest Neighbor (MKNN) yang mampu mengklasifikasikan diagnosa pasien penyakit DM
berdasarkan kedekatan pada data latih. Dataset yang digunakan dalam penelitian ini terdiri dari
150 data gejala penyakit DM dengan 11 parameter dan 2 kelas diagnosa. Output dari aplikasi
ini yaitu hasil prediksi diagnosa pasien berupa suspek atau tidak suspek penyakit DM.
Berdasarkan pengujian yang telah dilakukan, diperoleh hasil rata-rata akurasi terbaik metode
MKNN sebesar 89,33% menggunakan 3-fold cross validation atau jumlah data uji 50 data dan
data latih sejumlah 100 data, serta menggunakan jumlah tetangga yang digunakan (H) = 7.
Berdasarkan hasil tersebut, aplikasi yang menggunakan metode Modified K-Nearest Neighbor
dapat diimplementasikan sebagai aplikasi deteksi dini penyakit DM.
Kata Kunci : Deteksi Diabetes Mellitus, metode klasifikasi, Modified K-Nearest Neighbor
(MKNN), K-Nearest Neighbor (KNN)

ABSTRACT

Diabetes Mellitus (DM) is a disease that can cause a death and one of the deseases caused by
heredity. Lack of awarness of healthy lifestyles and early symptoms of diabetes risk indication
cause this disease is not quickly overcome. To overcome this disease, it can be prevented by
building the early detection of DM disease. The early detection of DM can be done by using
the Modified K-Nearest Neighbor (MKNN) method that is able to classify diagnoses of DM
patients based on proximity to trining data. The dataset used in this study consisted of 150 data
of symptoms of DM disease with 11 parameters and 2 classes of diagnoses. The output of this
application is predicted diagnosis of the patient (suspect or not suspect DM disease). Based on
the test, the best accuracy of MKNN method is 89,33% using 3-fold cross validation or 50
testing data and 100 training data, and also using the number of neighbors (H) = 7. Based on
the result, the application using Modified K-Nearest Neighbor method can be implemented as
early detection application of DM disease.
Keywords : Detection of Diabetes Mellitus, classification method, Modified K-Nearest
Neighbor (MKNN), K-Nearest Neighbor (KNN)

---

Ketersediaan

637F18III

637 F 18

Perpustakaan FSM Undip (Referensi)

Tersedia

Informasi Detail

Judul Seri

ILMU KOMPUTER/INFORMATIKA

No. Panggil

637 F 18

Penerbit

: ., 2018

Deskripsi Fisik

-

Bahasa

Indonesia

ISBN/ISSN

-

Klasifikasi

2369

Tipe Isi

-

Tipe Media

-

Tipe Pembawa

-

Edisi

-

Subjek

-

Info Detail Spesifik

-

Pernyataan Tanggungjawab

Rizki Mutiara Sari

Versi lain/terkait

Lampiran Berkas

Komentar

---

Anda harus masuk sebelum memberikan komentar