MODEL DETEKSI DINI DIABETES BERBASIS K-NEAREST NEIGHBOR DENGAN OPTIMASI PARAMETER DAN FEATURE SELECTION

Abstract

Diabetes merupakan penyakit kronis yang dapat menyebabkan berbagai komplikasi serius jika tidak terdeteksi dan ditangani sejak dini. Deteksi dini diabetes menjadi hal yang krusial dalam upaya pencegahan dan pengelolaan penyakit ini. Penelitian ini bertujuan untuk meningkatkan kinerja model deteksi dini diabetes dengan menerapkan algoritma K-Nearest Neighbors (KNN). Algoritma ini dipilih karena kemampuannya dalam mengklasifikasikan data berdasarkan kedekatan jarak antar data yang memiliki karakteristik serupa. Dataset yang digunakan dalam penelitian ini diperoleh dari sumber terbuka dan terdiri dari beberapa fitur medis yang relevan untuk diagnosis diabetes. Proses penelitian ini mengikuti tahapan Knowledge Discovery in Databases (KDD), yang meliputi seleksi data, preprocessing, transformasi, data mining, dan evaluasi. Pada tahap preprocessing, dilakukan pembersihan data, normalisasi, serta penanganan data yang hilang untuk meningkatkan kualitas data sebelum proses klasifikasi. Model KNN yang diterapkan dievaluasi menggunakan metrik akurasi, presisi, dan recall. Hasil penelitian menunjukkan bahwa model yang dibangun memiliki tingkat akurasi sebesar 51,44%, dengan presisi untuk kelas positif sebesar 51,98% dan untuk kelas negatif sebesar 50,89%, serta nilai recall masing-masing sebesar 51,81% dan 51,07%. Nilai akurasi yang diperoleh menunjukkan bahwa model masih memiliki keterbatasan dalam membedakan antara pasien dengan dan tanpa diabetes secara akurat. Tingginya jumlah false positives dan false negatives mengindikasikan perlunya perbaikan dalam pemilihan parameter serta optimasi proses preprocessing data. Oleh karena itu, diperlukan strategi peningkatan seperti optimasi parameter K, seleksi fitur yang lebih baik, serta eksplorasi metode machine learning lainnya untuk meningkatkan performa model. Dengan optimalisasi lebih lanjut, diharapkan model deteksi dini diabetes ini dapat menjadi alat yang lebih efektif dalam mendukung keputusan medis dan pengelolaan penyakit diabetes secara dini.