PERBANDINGAN AKURASI METODE NAIVE BAYES CLASSIFIER DAN RANDOM FOREST MENGGUNAKAN REDUKSI DIMENSI LINEAR DICRIMINANT ANALYSIS (LDA) UNTUK DIAGNOSIS PENYAKIT DIABETES

Authors

  • Hardian Fathurahman
  • Arif Ariwikri Teknik Elektro, Universitas Sriwijaya, Palembang
  • Gatot Aria Pratama Teknik Elektro, Universitas Sriwijaya, Indralaya
  • M. AL FURQON SYAIDIN FIKRI Teknik Elektro, Universitas Sriwijaya, Indralaya
  • MUHAMMAD FAHREZA ALRIZKI Teknik Elektro, Universitas Sriwijaya, Indralaya

Keywords:

Diabetes, Klasifikasi Naive Bayes, Analisis Diskriminan Linier, Random Forest

Abstract

Diabetes merupakan suatu penyakit yang dapat menyerang orang – orang di belahan dunia. Jumlah kematian akibat diabetes meningkat dari tahun ke tahun. Diabetes terjadi ketika tubuh tidak menghasilkan cukup insulin. Penyakit ini merupakan penyakit kompleks dan fatal yang memerlukan perawatan medis berkelanjutan untuk menghindari risiko komplikasi. Menganalisis pasien diabetes sejak usia dini bisa memberikan catatan penyakit yang luas dan memungkinkan pencegahan. Salah satu cara untuk melakukannya dengan klasifikasi data mining. Teknik ini dipakai sebagai prediksi siapa yang terkena diabetes dan siapa yang tidak terserang diabetes. Dalam penelitian menggunakan metode Naive Bayes Classifier (NBC) dan Random Forest menggunakan reduksi dimensi LDA. Hasil penelitian menunjukkan akurasi 77,67% untuk algoritma Random Forest dan 76% untuk Naive Bayes Classifier (NBC). Random Forest lebih baik/akurat dibandingkan menggunakan Naive Bayes Classifier dalam mengklasifikasikan diabetes.

Downloads

Download data is not yet available.

Downloads

Published

2022-11-30