PENERAPAN ALGORITMA K-NEAREST NEIGHBOR (KNN) UNTUK DIAGNOSIS PENYAKIT DIABETES MELITUS

Abstrak

Diabetes melitus merupakan masalah kesehatan global yang mempengaruhi jutaan orang di seluruh dunia. Diagnosis dini dan akurat sangat penting dalam menangani penyakit ini. Pada penelitian ini kami mengusulkan penerapan algoritma K-Nearest Neighbors (KNN) untuk membantu diagnosis penyakit diabetes melitus. Kami menggunakan kumpulan data pasien yang terdiri dari berbagai atribut yang relevan secara klinis, seperti usia, kadar glukosa darah, tekanan darah, dan indeks massa tubuh. Metode KNN digunakan untuk mengklasifikasikan pasien sebagai penderita diabetes atau bukan berdasarkan ciri klinisnya. Kami membagi dataset menjadi dua bagian yaitu data latih dan data uji. Data pelatihan digunakan untuk melatih model KNN, sedangkan data pengujian digunakan untuk mengevaluasi performa model yang dihasilkan. Hasil penelitian menunjukkan bahwa model KNN dapat memberikan hasil yang akurat dalam mendiagnosis diabetes melitus. Dengan memilih parameter K yang optimal, kami mencapai tingkat akurasi yang tinggi dalam pengujian. Selain itu, kami juga melakukan validasi silang untuk menguji reliabilitas model, dan hasilnya menunjukkan konsistensi yang baik. Penelitian ini memberikan bukti bahwa KNN dapat menjadi alat yang efektif dalam mendukung diagnosis diabetes melitus. Dengan implementasi yang tepat, algoritma ini dapat membantu tenaga medis dalam mengidentifikasi pasien yang berisiko tinggi terkena penyakit ini, sehingga intervensi dini dan penatalaksanaan yang efektif dapat dilakukan.