Text
Analisis Perbandingan Performa Algoritma Pseudo Nearest Neighbors Dan K-Nearest Neighbors Dalam Identifikasi Penyakit Diabetes Melitus
ABSTRAK
Diabetes Melitus merupakan penyakit tidak menular yang terus mengalami peningkatan
jumlah penderita dan memiliki kontribusi yang tinggi terhadap peningkatan angka
kematian. Tingginya angka penderita diabetes melitus disebabkan karena penderita tidak
menyadari gejala awal yang muncul yang disebabkan oleh penyakit diabetes melitus.
Untuk mengatasi potensi peningkatan jumlah penderita penyakit diabetes melitus
diperlukan adanya tindakan oleh tenaga ahli, salah satu solusinya adalah dengan
identifikasi dini. Salah satu metode dalam identifikasi dini adalah dengan menggunakan
machine learning. Penelitian ini mencoba membandingkan performa algoritma Pseudo
Nearest Neighbors dan K-Nearest Nieghbors dalam melakukan Identifikasi Penyakit
Diabetes Melitus dengan dataset dari RS Pusat Pertamina Jakarta. Perbandingan performa
dari kedua algoritma tersebut melibatkan perhitungan akurasi, specificity, dan sensitivity,
dimana parameter sensitivity menjadi prioritas dalam perbandingan kedua algoritma
tersebut. Hasil penelitian ini menunjukkan bahwa algoritma K-Nearest Neighbors memiliki
performa akurasi tertinggi (75,11%) dan sensitivity tertinggi (74,96%,) yang lebih baik
dibandingkan Pseudo Nearest Neighbors (akurasi: 74,57%, sensitivity: 73,35%), tetapi
algoritma Pseudo Nearest Neighbors memiliki specificity tertinggi (76,24%) yang lebih
baik dibandingkan K-Nearest Neighbors (75,30%). Selain itu, algoritma Pseudo Nearest
Neighbors memiliki fluktuasi performa yang lebih stabil dibandingkan algoritma KNearest Neighbors.
Kata Kunci : Diabetes Melitus, Pseudo Nearest Neighbors, K-Nearest Neighborsv
ABSTRACT
Diabetes Melitus is a non-spread diseases that continues to experience an increase in the
number of sufferers and has a high contribution in increasing number of mortality. The
high number of people with diabetes melitus is caused by patients not being aware of the
initial symptoms that arise due to diabetes melitus. To overcome the potential of increasing
the number of people with diabetes melitus, it is necessary to take action by experts, one of
the solution is early identification. One method of early identification is to use machine
learning. This study tried to compare the performance of Pseudo Nearest Neighbors and KNearest Neighbors algorithms in identifying patients with diabetes mellitus datasets from
Pertamina Central Jakarta Hospital. The performance comparison of those algorithms
involves calculating accuracy, specificity, and sensitivity, where sensitivity parameter is a
priority in the comparison oh those algorithms. The results of this study indicate that KNearest Neighbors algorithm has highest accuracy performance (75,11%) dan the highest
sensitivity (74,96%) which better than Pseudo Nearest Neighbors (accuracy: 74,57%,
sensitivity: 73,35%), but Pseudo Nearest Neighbors algorithm has the highest specificity
(76,24%) which is better than K-Nearest Neighbors (75,30%). In addition, Pseudo Nearest
Neighbors algorithm has a more stable performance fluctuation compared to K-Nearest
Neighbors algorithm.
Keyword : Diabetes Melitus, Pseudo Nearest Neighbors, K-Nearest Neighbors
698F19I | 698 F 19-i | Perpustakaan FSM Undip (Referensi) | Tersedia |
Tidak tersedia versi lain