Pengelompokan Pasien Diabetes dengan Metode K-NN pada Data yang Dibersihkan, Balancing, dan Dinormalisasi

Abstract

Diabetes merupakan kelainan metabolism kronis yang ditandai oleh kadar gula darah yang tinggi akibat kekurangan insulin dan resistensi insulin. Dalam dunia medis, dibutuhkan sistem atau alat bantu yang mampu melakukan diagnosis atau prediksi penyakit berdasarkan sejumlah faktor yang dapat dianalisis menggunakan teknik data mining. Penelitian ini bertujuan untuk  mengklasifikasikan pasien diabetes dengan metode K-Nearest Neighbor(K-NN) dengan harapan memperoleh akurasi yang lebih tinggi dengan menggunakan pembersihan data, balancing dan normalisasi data untuk meminimalkan kesalahan diagnosis pada pasien diabetes. Hasil terbaik yang diperoleh dalam penelitian ini adalah akurasi 94,40%, presisi 90,36%, recall 99,60%, dan f1-score = 94,71% dengan nilai K = 3 pada data yang telah dipreprocessing, sedangkan data tanpa preprocessing menghasilkan akurasi lebih tinggi namun kurang valid secara evaluasi dikarenakan data masih banyak terdapat nilai kosong dan distribusi kelas tidak seimbang.