ANALISIS PERBANDINGAN ALGORITMA KLASIFIKASI UNTUK IDENTIFIKASI DIABETES DENGAN MENGGUNAKAN METODE RANDOM FOREST DAN NAIVE BAYES

Abstract

Penanganan penyakit diabetes menjadi penting karena komplikasi yang dapat terjadi jika tidak ditanggulangi dengan benar. Klasifikasi merupakan salah satu metode yang dapat digunakan untuk mengidentifikasi diabetes. Algoritma klasifikasi ini dapat menganalisis data pasien, seperti usia, jenis kelamin, riwayat kesehatan, dan hasil tes, untuk memprediksi apakah pasien tersebut menderita diabetes. Random Forest dan Naïve Bayes merupakan dua algoritma klasifikasi yang populer. Random Forest adalah metode kompleks yang didasarkan pada penggabungan beberapa pohon keputusan untuk mendapatkan prediksi yang lebih akurat, sedangkan Naïve Bayes merupakan metode pengklasifikasian berdasarkan probabilitas sederhana dan dirancang agar dapat dimanfaatkan denegan asumsi antar variabel penjelas saling bebas (independen). Hasil penelitian menggunakan data sebanyak 70% sebagai data pelatihan dan 30% sebagai data pengujian dari keseluruhan 768 data. keseluruhan yang diperoleh bahwa metode random forest dapat memprediksi penyakit diabetes dengan tingkat persentase sebesar 94% dan tingkat persentase naïve bayes sebesar 78%. Berdasarkan hasil penelitian yang diperoleh metode random forest memiliki tingkat persentase lebih tinggi dibandingkan metode naïve bayes dengan tingkat persentase 94% sedangkan naïve bayes dengan tingkat persentase 78% sehingga dapat disimpulkan bahwa metode random forest merupakan metode terbaik dalam mengindentifikasi penyakit diabetes dibandingkan metode naïve bayes.