PERBANDINGAN METODE NAIVE BAYES DAN SUPPORT VECTOR MACHINE DALAM KLASIFIKASI PENYAKIT DIABETES MELITUS

Studi kasus: RS. SITI KHADIJAH PALEMBANG

  • hilda apriyani Universiatas Bina Darma

Abstract

Diabetes melitus merupakan penyakit kronis yang terjadi akibat kadar
glukosa didalam darah yang terlalu tinggi sehingga tidak adanya insulin. Dalam
kurun waktu data di Rumah Sakit Islam Siti Khadijah Palembang yang
dipengaruhi oleh jumlah dari pasien yang melakukan pemeriksaan kesehatan
seperti penyakit diabetes melitus sehingga berpengaruh dalam hal klasifikasi data
yang akan menyulitkan pihak rumah sakit. Maka dengan memanfaatkan data
mining, pengklasifikasian untuk menentukan pasien yang telah melakukan
pemeriksaan termasuk penderita penyakit diabetes atau tidak. Dengan adanya
permasalahan tersebut maka penulis melakukan analisis perbandingan dari dua
algoritma yaitu algoritma naïve bayes dan algoritma support vector machine untuk klasifikasi penyakit diabetes dengan menggunakan alat bantu WEKA dengan tools options Cross Validation dan Confussion Matrix dengan hasil akurasi
tertinggi yaitu algoritma support vector machine dengan kernel polynomial yang
hasilnya 96.2704% dan tingkat error sebanyak 3.7296% dapat disimpulkan
algoritma yang akurat dalam klasifikasi penyakit diabetes yaitu algoritma support
vector machine dengan kernel polynomial.

Kata Kunci: Data Mining, Diabetes Melitus, Naïve Bayes, Support Vector
Machine, WEKA

Published
2021-06-08