Fahriza, Ahmad Irfaul (2023) PENGARUH METODE NORMALISASI DATA TERHADAP PERFORMA HASIL KLASIFIKASI METODEK-NEAREST NEIGHBOR UNTUK PREDIKSI DIABETES MELLITUS. Other thesis, UPN Veteran Yogyakarta.
![[thumbnail of 1. Skripsi Fultext_123160040_Ahmad Irfaul Fahriza.pdf]](http://eprints.upnyk.ac.id/style/images/fileicons/text.png) |
Text
1. Skripsi Fultext_123160040_Ahmad Irfaul Fahriza.pdf Restricted to Repository staff only Download (2MB) |
|
Text
2. Abstrak_123160040_Ahmad Irfaul Fahriza.pdf Download (155kB) |
|
Text
3. Cover_123160040_Ahmad Irfaul Fahriza.pdf Download (383kB) |
|
Text
4. Lembar Pengesahan_123160040_Ahmad Irfaul Fahriza.pdf Download (1MB) |
|
Text
5. Daftar Isi_123160040_Ahmad Irfaul Fahriza.pdf Download (302kB) |
|
Text
6. Daftar Pustaka_123160040_Ahmad Irfaul Fahriza.pdf Download (289kB) |
Abstract
Diabetes Mellitus (DM) mengalami peningkatan setiap tahun, bahkan pada tahun 2045
penderita DM diperediksi mencapai 700 juta jiwa didunia (International of Diabetic
Federation, 2019). Di Indonesia, prevalensi DM menurut Konsensus Perkeni 2015 bahwa
pada tahun 2018 penderita DM terus bertambah hingga meningkat 10,9% (Riskesdas, 2018).
Banyak masyarakat yang belum menyadari bahwa dirinya mengidap penyakit DM yang
disebabkan banyak faktor dan salah satunya adalah kurangnya pengetahuan tentang penyakit
tersebut. (Sholeh et al, 2022). DM perlu diidentifikasi sejak dini karena dapat memiliki
konsekuensi yang fatal yaitu kematian. Penting bagi seseorang untuk mengetahui faktor-faktor
penyakit DM agar dapat melakukan pencegahan atau mengurangi resiko komplikasi yang
lebih serius. (Karo Karo dan Hendriyana, 2022).
Penelitian ini mengimplementasikan metode normalisasi data Zscore, MinMax dan
MaxAbs terhadap metode klasifikasi K-Nearest Neighbor untuk memprediksi penyakit
Diabetes Mellitus. Dataset penelitian ini adalah dataset diabetes yang didapat dari kaggle pada
website https://www.kaggle.com/datasets/mathchi/diabetes-data-set yang berjumlah 768 data
dengan 8 atribut serta satu atribut label yang menunjukkan seseorang mengidap penyakit DM
atau tidak. Dataset tersebut kemudian dilakukan proses cleaning data untuk mendapatkan data
yang lebih baik, selanjutnya dinormalisasi dan dibagi dengan perbandingan 90:10 untuk data
training dan data testing terlebih dahulu sebelum dilakukan proses klasifikasi dengan KNN.
Hasil penelitian ini menggunakan pengujian confusion matrix pada setiap model
normalisasi Zscore, MinMax dan MaxAbs serta tanpa normalisasi dengan klasifikasi KNN
pada nilai K=1 sampai K=11. Hasil pengujian yang telah dilakukan menunjukkan bahwa
normalisasi data dapat memberikan performa lebih baik dibandingkan tanpa normalisasi. Hasil
pengujian pada data tanpa normalisasi mendapat performa terbaik pada K=7 dengan akurasi
76,47%, normalisasi Zscore pada K=3, 7 dan 11 mendapat akurasi 79,41%, dan normalisasi
MaxAbs pada K=5, 9 dan 11 mendapat akurasi 82,35%, sedangkan pada normalisasi MinMax
mendapat performa terbaik dengan akurasi 85,29% pada nilai K=5.
Kata kunci : Diabetes Mellitus, Prediksi, Normalisasi, Zscore, MinMax, MaxAbs,
K-Nearest Neighbor
| Item Type: | Thesis (Other) |
|---|---|
| Uncontrolled Keywords: | Diabetes Mellitus, Prediksi, Normalisasi, Zscore, MinMax, MaxAbs, K-Nearest Neighbor |
| Subjects: | T Technology > T Technology (General) |
| Divisions: | Faculty of Engineering, Science and Mathematics > School of Electronics and Computer Science |
| Depositing User: | A.Md Sepfriend Ayu Kelana Giri |
| Date Deposited: | 18 Aug 2023 04:05 |
| Last Modified: | 18 Aug 2023 04:05 |
| URI: | http://eprints.upnyk.ac.id/id/eprint/36969 |
Actions (login required)
 |
View Item |