Analisis Komparatif Algoritma Naive Bayes dan Decision Tree untuk Prediksi Penyakit Diabetes Berbasis Web

ARYVENANDA, Xyla Syarifatuzzahra and Fitriyadi, Farid and Susilo, Dahlan (2026) Analisis Komparatif Algoritma Naive Bayes dan Decision Tree untuk Prediksi Penyakit Diabetes Berbasis Web. Skripsi thesis, Universitas Sahid Surakarta.

	Text XYLA SYARIFATUZZAHRA_Hal Awal.pdf Download (15MB)
	Text XYLA_SYARIFATUZZAHRA_Bab I .pdf Download (2MB)
	Text XYLA_SYARIFATUZZAHRA_Bab II.pdf Download (2MB)
	Text XYLA_SYARIFATUZZAHRA__ Bab III.pdf Restricted to Repository staff only Download (2MB) | Request a copy
	Text XYLA_SYARIFATUZZAHRA_Bab IV7.pdf Restricted to Repository staff only Download (2MB) | Request a copy
	Text XYLA_SYARIFATUZZAHRA_Bab V.pdf Download (1MB)
	Text XYLA_SYARIFATUZZAHRA_Daftar Pustaka.pdf Download (2MB)
	Text XYLA_SYARIFATUZZAHRA_Lampiran.pdf Download (2MB)

Abstract

Diabetes merupakan salah satu penyakit kronis dengan jumlah penderita yang terus meningkat, sementara sebagian kasus masih belum teridentifikasi secara klinis, sehingga diperlukan pendekatan berbasis teknologi untuk membantu proses screening awal dalam mengenali risiko diabetes. Penelitian ini bertujuan menerapkan algoritma Naive Bayes dan Decision Tree untuk mengklasifikasikan status diabetes berdasarkan lima fitur, yaitu Age, Glucose, BloodPressure, Insulin, dan BMI, serta mengembangkan sistem prediksi berbasis web yang menampilkan perbandingan kinerja kedua algoritma. Penelitian menggunakan Pima Indians Diabetes Dataset sebanyak 768 data yang dibagi menjadi data latih dan data uji dengan rasio 80:20 menggunakan metode stratified. Tahapan penelitian meliputi preprocessing data, penanganan missing value, standardisasi fitur, pembangunan model baseline, optimasi menggunakan Stratified 5-Fold Cross Validation dan GridSearchCV, serta evaluasi model melalui confusion matrix dengan metrik akurasi, sensitivitas, dan spesifisitas. Hasil penelitian menunjukkan bahwa Decision Tree setelah optimasi memberikan kinerja lebih baik dibandingkan Naive Bayes. Pada proses validasi silang, Decision Tree memperoleh Best CV Sensitivitas sebesar 80,43%, sedangkan Naive Bayes memperoleh 64,51%. Pada pengujian akhir menggunakan data testing, Decision Tree menghasilkan akurasi 85,06%, sensitivitas 83,33%, dan spesifisitas 86,00%, sedangkan Naive Bayes menghasilkan akurasi 72,73%, sensitivitas 64,81%, dan spesifisitas 77,00%. Berdasarkan hasil tersebut, Decision Tree dipilih sebagai model terbaik karena memperoleh performa pengujian yang lebih tinggi, menghasilkan jumlah kesalahan klasifikasi yang lebih rendah, serta memiliki aturan keputusan yang mudah dipahami. Sistem berbasis web yang dikembangkan berhasil mengintegrasikan model tersebut untuk membantu tenaga kesehatan melakukan screening awal risiko diabetes secara cepat dan terdokumentasi, sebagai alat bantu pendukung keputusan tanpa menggantikan proses diagnosis klinis.

Actions (login required)

View Item