Model Deteksi Dini Penyakit Diabetes Mellitus Menggunakan Fuzzy K-Nearest Neighbor in Every Class dan Naive Bayes Classifier

Abstract

Diabetes Mellitus (DM) merupakan penyakit gangguan metabolik menahun akibat pankreas tidak memproduksi cukup insulin atau tubuh tidak dapat menggunakan insulin yang diproduksi secara efektif. Oleh karena itu, mendeteksi dini DM sangatlah penting untuk mengurangi risiko penyakit komplikasi. Salah satu metode alternatif deteksi dini DM yang dapat digunakan adalah deteksi berbasis machine learning. Machine learning diharapkan menjadi salah satu alternatif dalam memberikan prediksi pada deteksi dini DM dengan memanfaatkan indikator yang berkaitan dengan DM. Penyakit DM antara lain jenis kelamin, kadar glukosa dalam darah, tekanan darah, kadar insulin dalam darah, berat massa tubuh, riwayat diabetes dalam keluarga dan usia. Pada penerapannya metode machine learning memerlukan suatu algoritma yang merupakan serangkaian perintah dalam bentuk bahasa pemrograman. Algoritma yang digunakan untuk deteksi dini DM adalah Fuzzy K-Nearest Neighbor in Every Class (FKNNC) dan Naive Bayes Classifier (NBC). Proses deteksi dini penyakit DM pada penelitian ini menggunakan software Python. Model terbaik yang direkomendasikan di antara kedua model untuk metode alternatif deteksi dini DM adalah model FKNNC. Hal ini dikarenakan FNR pada FKNNC lebih rendah dibandingkan dengan FNR pada NBC yaitu 13,3% berbanding 25,3%. Model dengan FNR yang besar berpotensi menyebabkan kesalahan persepsi pada pasien yang terdeteksi atau dengan kata lain pasien tersebut lolos deteksi (hasil prediksi negatif) namun sebenarnya menderita penyakit DM.