Penerapan Data Mining Untuk Memprediksi Penyakit Diabetes Menggunakan Algoritma Naive Bayes

Abstract

Diabetes adalah salah satu penyakit berbahaya di dunia dan salah satu penyakit yang menyebabkan banyak orang meninggal dunia. Berdasarkan laporan dari World Health Organization (WHO) pada tahun 2019 penyakit diabetes berada di urutan ke-9 dalam penyebab kematian di seluruh dunia dengan total perkiraan mencapai 1,5 juta kematian. Menurut laporan dari International Diabetes Federation (IDF) pada tahun 2021 pengidap penyakit diabetes di seluruh dunia mencapai 537 juta orang atau 1 dari 10 orang di dunia mengidap penyakit diabetes. Dengan bahayanya penyakit diabetes, dibutuhkan suatu sistem untuk memprediksi penyakit diabetes berdasarkan gejala-gejala awal yang dirasakan menggunakan bantuan teknologi dan informasi untuk segera ditangani lebih lanjut. Teknik yang dapat digunakan untuk mengatasi permasalahan tersebut adalah Data Mining menggunakan algoritma Naive Bayes. Algoritma Naive Bayes adalah salah satu algoritma data mining yang ditemukan oleh Thomas Bayes yang menggunakan teknik probabilitas dan statistika untuk memperkirakan probabilitas di masa yang akan datang berdasarkan pengamatan pada masa lalu.. Untuk melakukan penelitian ini, dataset yang digunakan adalah Early Stage Diabetes Risk Prediction Dataset yang diambil dari website UCI Machine Learning. Hasil dari penelitian menunjukan bahwa penerapan algoritma Naive Bayes untuk memprediksi penyakit diabetes berdasarkan gejala-gejala awal menghasilkan akurasi sebesar 87,69% dengan pengujian menggunakan RapidMiner. Berdasarkan hasil tersebut peneliti mengimplementasikan algoritma Naive Bayes pada sebuah aplikasi berbasis web untuk memprediksi penyakit diabetes berdasarkan gejala-gejala awal.