Klasifikasi Penderita Penyakit Diabetes Menggunakan Algoritma KNN
DOI:
https://doi.org/10.35473/jamastika.v5i1.4685Abstract
Penyakit diabetes mellitus merupakan salah satu Deabetes lronis meningkat setiap tahun di banyak negara, termasuk Indonesia. Sangat penting untuk mendeteksi diabetes dini untuk mencegah komplikasi serius dan meningkatkan kualitas hidup pasien. Berdasarkan data medis pasien diabetes, penelitian ini menggunakan algoritma K-NN untuk mengklasifikasikan pasien diabetes. kumpulan data csv. Penelitian meliputi tahapan preprocessing data seperti penanganan nilai hilang, normalisasi, pembagian data (split data), serta implementasi algoritma K-NN pada RapidMiner Studio. Berdasarkan hasil pengujian dengan nilai k tertentu, diperoleh akurasi sebesar 71,43%, weighted mean recall sebesar 66,50%, dan weighted mean precision sebesar 68,41%. Hasil Ini menunjukkan bahwa algoritma K-NN dapat mengklasifikasikan dengan baik. data penderita diabetes, meskipun masih terdapat ruang untuk peningkatan performa melalui pengaturan parameter k dan metode optimasi jarak.
Kata Kunci: Klasifikasi, Diabetes Mellitus, K-Nearest Neighbor, Data Mining, RapidMiner
Diabetes mellitus is a long-term condition that is becoming prevalent across the world, especially in Indonesia. To avoid serious problems and enhance patients' quality of life, early identification of possible diabetes is essential. The K-Nearest Neighbor (K-NN) method was used in this investigation. was used to classify diabetes patients based on medical data obtained from the diabetes.csv dataset. The research process included data preprocessing steps such as handling missing values, normalization, data splitting, and implementing the K-NN algorithm using RapidMiner Studio. Based on the test results with a specific k value, the obtained accuracy was 71.43%, weighted mean recall 66.50%, and weighted mean precision 68.41%. These findings show that the K-NN algorithm does a respectable job at identifying diabetic data; however, there is still an opportunity for improvement: parameter tuning and distance optimization methods.
Keywords: Klasifikasi, Diabetes Mellitus, K-Nearest Neighbor, Data Mining, RapidMiner
References
Ardianto, Muhammad Rezanur, and Rushendra Rushendra. 2025. “Prediksi Penyakit Diabetes Berdasarkan Perbandingan Klasifikasi Metode K-Nearest Neighbor, Naïve Bayes, Dan Decision Tree Menggunakan Rapid Miner.” 10(2):973–85.
Arrohman, Supri, and Zaehol Fatah. 2024. “Gudang Jurnal Multidisiplin Ilmu Prediksi Diabetes Menggunakan Algoritma Klasifikasi K-Nearest Neighbors ( K-NN ) Pada Perempuan Indian Pima.” 2:220–26.
Bakri, Safa Nadia, Lailan Sofinah Harahap, Universitas Islam, Negeri Sumatera, Teknologi Informasi, Universitas Muhammadiyah, Sumatera Utara, Kota Medan, Struktur Daerah, and Kota Medan. 2025. “Analisis Klasifikasi Algoritma K-Nearest Neighboar ( K-NN ) Pada Struktur Daerah Di Kota Medan.” 182–93.
Desmita, Nindri Lia, Syahrani Lonang, and Danang Tejo Kumoro. 2025. “COMPARATIVE ANALYSIS OF DECISION TREE AND RANDOM FOREST ALGORITHMS FOR PREDICTING DIABETES MELLITUS.” 8.
Fatah, Zaehol. 2025. TIK Dan Masyarakat. PT Penamuda Media. Federasi Diabetes Internasional (IDF). 2025. “Fakta Dan Angka Diabetes Menunjukkan Meningkatnya Beban Diabetes Global Bagi Individu, Keluarga, Dan Negara. Atlas Diabetes Terbaru Dari Federasi Diabetes Internasional (IDF) (2025).”
Fitriyadi, Farid. 2025. “Optimasi Integrasi Adaptif Metode Naive Bayes Dan Information Gain Untuk Prediksi Komplikasi Diabetes Adaptive Integration Optimization of Naïve Bayes and Information Gain for Diabetes Complication Prediction.” 14:2990–3006.
Ii, B. A. B. 2023. “No Title.” (Dm).Indian, American, and Reservation Versus Non-reservation. 2018. “HHS Public Access.” 33(1):102–9. doi: 10.1111/jrh.12178.Assessing.Informatika, Jurnal, Dan Rekayasa, Komputer Jakakom, Asih Asmarani,
M. Ilham Permana, Annisa Putri, M. Rizky Wijaya, Errissya Rasywir, Despita Meisak Yovi, and Asih Asmarani. 2022. “Implementasi Algoritma K-Nearst Neighbor Untuk Memprediksi Penyakit Diabetes Jurnal Informatika Dan Rekayasa Komputer ( JAKAKOM ).” 2(September):231–39.
Segara, Khoirunnisya Gita, Muhammad Irwan, and Padli Nasution. 2025. “Perkembangan Teknologi Informasi Di Indonesia : Tantangan Dan Peluang.” 3(1).
Simorangkir, Anastasya. 2023. “SPESIFIKASI KEBUTUHAN PERANGKAT LUNAK.” (October). Teknologi, Sains, Universitas Ibrahimy, Sains Teknologi, and Universitas Ibrahimy. 2024. “Gudang Jurnal Multidisiplin Ilmu Implementasi Metode K-Nearest Neighbor ( K-NN ) Pada Klasifikasi Stunting Balita.” 2:282–88.
