Prediksi Penyakit Diabetes Melitus Menggunakan Metode Support Vector Machine dan Naive Bayes

Abstract

Diabetes melitus adalah penyakit metabolik yang ditandai terjadinya kenaikan gula darah yang disebabkan oleh terganggunya hormon insulin yang memiliki fungsi sebagai hormon dalam menjaga homeostatis tubuh menggunakan cara penurunan kadar gula darah (American Diabetes Association, 2017). World Health Organization (WHO) memperkirakan jumlah penderita diabetes melitus orang dewasa diatas 18 tahun dalam tahun 2014 berjumlah 422 juta (WHO, 2016:25). Prevalensi diabetes melitus Asia Tenggara sudah berkembang dalam tahun 1980 sebanyak 4,1% dan tahun 2014 menjadi sebanyak 8,6%. Menurut Riset Kementerian Kesehatan pada tahun 2018, Prevalensi diabetes Indonesia sebanyak 2,0%, sedangkan di Provinsi Jawa Timur sebanyak 2,6% pada penduduk umur diatas 15 tahun (KEMENKES RI, 2019). Penelitian ini dikembangkan melalui pengolahan data sekunder database kesehatan Dataset Diabetes yang diambil dari dataset Kaggle dan dapat diakses melalui https://www.kaggle.com/johndasilva/diabetes. Dimana datanya sendiri terdiri dari 2000 record dengan beberapa variabel prediktor medik (Pregnancies/Kehamilan, Glucose/Glukosa, BloodPressure/Tekanan Darah, SkinThickness/Ketebalan Kulit, Insulin, BMI/Indeks Masa Tubuh, DiabetesPedigreeFunction/Keturunan, Age/Umur and Outcome/Hasil). Kemudian data tersebut akan diolah dengan menggunakan metode Support Vector Machine dan metode Naive Bayes untuk mengetahui akurasi hasil diagnosa diabetes. Berdasarkan hasil dari penelitian yang sudah dilakukan metode Support Vector Machine memiliki nilai akurasi yang jauh lebih tinggi dibandingkan dengan menggunakan metode Naive Bayes. Nilai akurasi untuk model metode Support Vector Machine adalah 78,04% dan nilai akurasi untuk metode Naive Bayes 76,98%. Berdasarkan nilai ini, perbedaan akurasinya adalah 1,06%. Sehingga dapat disimpulkan bahwa penerapan metode Support Vector Machine mampu menghasilkan tingkat akurasi diagnosis diabetes yang lebih baik dibandingkan dengan menggunakan metode Naive Bayes.