ANALISIS PERBANDINGAN AKURASI ALGORITMA KLASIFIKASI DALAM PREDIKSI PENYAKIT DIABETES MENGGUNAKAN MACHINE LEARNING

Diabetes adalah penyakit dimana insulin tidak dapat diproduksi oleh
pancreas atau tubuh tidak dapat menggunakan dengan baik. Menurut
International Diabetes Federation (IDF) Atlas edisi ke-10, angka penderita
diabetes diprediksikan akan terus meningkat. Sampai saat ini, masih sering
ditemukan masyarakat yang tidak menyadari bahwa mereka menderita
diabetes sehingga terlambat untuk penanganan dan berakibat fatal. Salah satu
cara untuk mengatasinya yaitu dengan klasifikasi diabetes secara dini.
Namun, banyaknya algoritma klasifikasi yang ada mengharuskan melakukan
pemilihan algoritma terbaik untuk mengatasi masalah yang ada secara
maksimal. Oleh karena itu, penelitian ini bertujuan untuk membandingkan
algoritma Naïve Bayes, C4.5 (Decision Tree), dan Random Forest dalam
mengklasifikasikan penyakit diabetes. Analisis algoritma dilakukan dengan
4 skenario pembagian data yang berbeda. Hasil analisa menunjukkan bahwa
hasil algoritma terbaik yaitu Random Forest skenario 3 dengan nilai akurasi
97,12%, precision 96,92%, recall 98,44%, dan F1-Score 97,67%. Pada tahap
pengujian sistem, pengujian white-box dan black-box menghasilkan tingkat
keberhasilan 100%, dan UAT menghasilkan persentase rata-rata 97,5%.
Maka berdasarkan hasil pengujian dapat disimpulkan bahwa sistem ini dapat
berjalan sesuai fungsionalitasnya dan layak untuk digunakan.
Kata Kunci : Diabetes, Naïve Bayes, C4.5, Random Forest, Klasifikasi