PREDIKSI PENYAKIT DIABETES DENGAN MENGGUNAKAN NAIVE BAYES

Abstract

Diabetes melitus adalah penyakit metabolik kronis yang ditandai dengan peningkatan kadar gula darah. Prediksi dini diabetes sangat penting untuk mencegah komplikasi serius. Penelitian ini bertujuan untuk mengevaluasi kinerja algoritma Naive Bayes dalam memprediksi diabetes menggunakan dataset yang komprehensif. Penelitian ini menggunakan dataset diabetes dari Kaggle yang berisi informasi kesehatan individu, seperti usia, jenis kelamin, indeks massa tubuh (BMI), riwayat keluarga diabetes, dan hasil tes gula darah. Dataset ini dibagi menjadi data latih (75%) dan data uji (25%). Model Naive Bayes dibangun menggunakan data latih dan dievaluasi kinerjanya pada data uji. Hasil penelitian menunjukkan bahwa model Naive Bayes mencapai akurasi 78,89% dalam memprediksi diabetes. Selain itu, presisi model adalah 64,29%, recall 67,74%, dan F1-score 66,00%. Penelitian ini juga mengeksplorasi pengaruh proporsi data uji terhadap kinerja model. Hasilnya menunjukkan bahwa akurasi model relatif stabil di sekitar 71-76% untuk semua proporsi data uji. Secara keseluruhan, penelitian ini menunjukkan bahwa Naive Bayes dapat digunakan untuk membangun model prediksi diabetes yang cukup akurat. Penelitian lebih lanjut dapat fokus pada peningkatan recall model dan penggunaan dataset yang lebih besar dan beragam