Analisis Algoritma Klasifikasi Neural Network Untuk Diagnosis Penyakit Diabetes
Sari
Abstrak – Diabetes merupakan penyakit yang sangat mematikan terbukti dari tahun ke tahun selalu ada yang meninggal dikarnakan pasien tersebut mengidap penyakit diabetes, banyak cara penangguhan sejak dini penyakit diabetes. Salah satunya dengan data mining klasifikasi algoritma neural network yang dapat digunakan untuk prediksi pasien mana yang terkena penyakit diabetes dan pasien mana yang tidak terkena diabetes dengan menggunakan parameter dan indikator yang ada, dan tools yang digunakan adalah tools rapid miner 9.0 yang mengahasilkan accuracy sebesar = 80.00% precision sebesar = 100.00 % dan recall sebesar = 2.50 % dengan AUC sebesar = 0.605 % yang artinya klasifikasi dinyatakan cukup, dari hasil tersebut bisa dimbil kesimpulan bahwa penelitian ini bisa mencegah dan bisa diketahui sejak dini mana yang termasuk penyakit diabetes mana yang tidak mengidap penyakit diabetes, dan dari penelitian ini sangat diharapkan angka kematian bisa berkurang.</>
Katakunci: diabetes, klasifikasi, data mining, neural network.
Abstract – Diabetes is a very proven disease from year to year there are always people who die, many ways to postpone early diabetes. One of them is data mining neural network algorithm classification which can be used to predict which patients are affected by diabetes and which patients are not affected by diabetes by using existing parameters and indicators, and the tools used are rapid miner 9.0 tools that produce accuracy = 80.00% precision = 100.00% and recall of = 2.50% with AUC of = 0.605% which means the classification is declared sufficient, From these results it can be concluded that this study can prevent and can be known from the outset which of the diabetics do not have diabetes, and from this study it is expected that the mortality rate can be reduced.
Keywords: classification, data mining, diabetes, neural network
Teks Lengkap:
PDFReferensi
Fatimah, R. N. (2015). DIABETES MELITUS TIPE 2. J MAJORITY, 4, 93–101.
Kepemilikan, K., & Bemotor, K. (2013). Penerapan algoritma k-nearest neighbor untuk penentuan resiko kredit kepemilikan kendaraan bemotor. Jurnal Penelitian Ilmu Komputer, System Embedded & Logic, 1(1), 65–76.
Nurmila, N., & Sugiharto, A. (2005). Algoritma back propagation neural network untuk pengenalan pola karakter huruf jawa. Masyarakat Informatika, 1, 1–10.
Ridwan, M., Suyono, H., & Sarosa, M. (2013). Penerapan Data Mining Untuk Evaluasi Kinerja Akademik Mahasiswa Menggunakan Algoritma Naive Bayes Classifier. EECCIS, 7(1), 59–64.
Rosyada, A., & Trihandini, I. (2010). Determinan Komplikasi Kronik Diabetes Melitus pada Lanjut Usia Determinan of Diabetes Mellitus Chronic Complications on Elderly. Jurnal Kesehatan Masyarakat Nasional, 395–401.
Trisnawati, S. K., & Setyorogo, S. (2013). Faktor Risiko Kejadian Diabetes Melitus Tipe II Di Puskesmas Kecamatan Cengkareng Jakarta Barat Tahun 2012. Jurnal Ilmiah Kesehatan, 5(1), 6–11.
Wijayanto, H. (n.d.). KLASIFIKASI BATIK MENGGUNAKAN METODE K-NEAREST NEIGHBOUR BERDASARKAN GRAY LEVEL CO-OCCURRENCE MATRICES ( GLCM ), (5).
DOI: https://doi.org/10.31294/ijcit.v5i1.6391
##submission.copyrightStatement##
##submission.license.cc.by-sa4.footer##
P-ISSN: 2527-449X E-ISSN: 2549-7421
Statistik Pengunjung Jurnal IJCIT