Record Details

Klasifikasi Diagnosis Penyakit Diabetes Gestasional pada Ibu Hamil menggunakan Algoritme Neighbor Weighted K-Nearest Neighbor (NWKNN)

Jurnal Pengembangan Teknologi Informasi dan Ilmu Komputer

View Archive Info
 
 
Field Value
 
ISSN 2548-964X
 
Authentication Code dc
 
Title Statement Klasifikasi Diagnosis Penyakit Diabetes Gestasional pada Ibu Hamil menggunakan Algoritme Neighbor Weighted K-Nearest Neighbor (NWKNN)
 
Added Entry - Uncontrolled Name Yolanda, Vinesia
Cholissodin, Imam
Adikara, Putra Pandu
Fakultas Ilmu Komputer, Universitas Brawijaya
Fakultas Ilmu Komputer, Universitas Brawijaya
Fakultas Ilmu Komputer, Universitas Brawijaya
 
Summary, etc. Diabetes gestasional merupakan keadaan kadar gula darah tinggi yang terjadi pada masa kehamilan. Kemunculan penyakit ini umum ditemui dan biasanya terjadi pada minggu ke-24 sampai minggu ke-28 kehamilan. Walau demikian, keadaan kadar gula darah yang tinggi ini tidak dapat disepelekan karena dapat menimbulkan beberapa komplikasi yang dapat membahayakan ibu dan bayi. Selain itu, diabetes gestasional yang tidak ditangani juga dapat meningkatkan risiko ibu dan bayi menderita diabetes tipe 2 di masa mendatang. Penyebab kemunculan diabetes gestasional belum diketahui secara pasti. Namun, penyakit ini merupakan penyakit multifaktorial yang kemunculannya dapat disebabkan oleh berbagai faktor yang berperan dalam meningkatkan risiko penyakit ini. Oleh sebab itu, penyakit diabetes gestasional pun menjadi sulit didiagnosis karena dokter perlu mempertimbangkan beberapa fakor tersebut, menganalisis, serta membandingkannya dengan pasien sebelumnya yang mempunyai kondisi serupa. Hasil diagnosis akhirnya bergantung pada interpretasi dokter dan rentan terhadap human error. Salah satu solusi yang dapat diterapkan adalah dengan menggunakan algoritme klasifikasi yang dapat mengidentifikasi keberadaan penyakit diabetes gestasional. Pima Indians Diabetes Dataset merupakan salah satu dataset yang banyak digunakan dalam penelitian mengenai identifikasi keberadaan penyakit diabetes. Dataset tersebut mempunyai karakteristik data yang tidak seimbang, sehingga algoritme Neighbor Weighted K-Nearest Neighbor (NWKNN) dapat diterapkan pada dataset tersebut. Dengan menghapus data yang mengandung missing value dan melakukan pengujian terhadap nilai parameter K dan E pada NWKNN, didapatkan hasil terbaik untuk sensitivity yaitu 0,8125, specificity yaitu 0,8788, dan F1 score yaitu 0,7879 pada K = 25 dan E = 2. Sementara itu, pada pengujian k-fold cross-validation, algoritme NWKNN didapati lebih unggul dari pengujian dengan algoritme K-Nearest Neighbor (KNN). Hasil terbaik diperoleh dari pengujian dengan nilai fold = 4, yaitu sensitivity yaitu 0,6043, specificity yaitu 0,8703, dan F1 score yaitu 0,6383.
 
Publication, Distribution, Etc. Fakultas Ilmu Komputer (FILKOM), Universitas Brawijaya
 
Electronic Location and Access application/pdf
http://j-ptiik.ub.ac.id/index.php/j-ptiik/article/view/8828
 
Data Source Entry Jurnal Pengembangan Teknologi Informasi dan Ilmu Komputer; Vol 5 No 4 (2021): April 2021
 
Language Note ind
 
Terms Governing Use and Reproduction Note Hak Cipta (c) 2021 Jurnal Pengembangan Teknologi Informasi dan Ilmu Komputer
 


www.freevisitorcounters.com