• 21 Agustus 2024
• birorektorat
• 32

Melihat fenomena diabetes yang kini juga mulai menyerang generasi muda, mahasiswa Program Studi (Prodi) Teknik Informatika Universitas 17 Agustus 1945 Surabaya - David Christian Putra menyusun tugas akhir dengan judul ‘Perbandingan Klasifikasi Penyakit Diabetes Menggunakan Algoritma K-Nearest Neighbors (KNN) dan Naive Bayes: Analisis Performa Dan Keakuratan'. Dengan dukungan penuh dari Dosen Pembimbing - Supangat, M. Kom., P.hD., ITIL., COBIT., CLA, David berhasil menciptakan inovasi baru dengan merancang perbandingan klasifikasi penyakit diabetes menggunakan algoritma KNN dan Naive Bayes, (13/8).

Melatarbelakangi fenomena diabetes yang menyerang kalangan muda, David mengatakan bahwa menurut World Health Organization (WHO) akan ada ratusan juta orang yang akan mengidap diabetes pada tahun 2045. "Saya melihat bahwa penyakit diabetes tidak hanya menyerang orang-orang yang sudah tua, tetapi juga menyerang kalangan muda. Menurut WHO, diperkirakan akan ada lebih dari 700 Juta orang yang akan mengidap diabetes pada tahun 2045," jelasnya.

Oleh karena itu, David mencetuskan ide untuk merancang analisis untuk mendiagnosa penyakit diabetes dengan membandingkan dua algoritma dan menemukan mana yang lebih efektif. "Hal inilah yang membuat saya berpikir untuk merancang diagnosa penyakit diabetes dengan menganalisa algoritma KNN dan juga Naive Bayes untuk membandingkan antara kedua algoritma tersebut, manakah yang paling baik untuk membuat klasifikasi penyakit diabetes," ujar mahasiswa dengan IPK 3,58

Selain itu, David juga mengungkapkan bahwa persiapan tugas akhirnya sudah satu tahun dan sudah berkonsultasi dengan beberapa dokter terkait diagnosis pasien dengan penyakit diabetes. "Saya telah mempersiapkan tugas akhir ini selama satu tahun. Saya juga berkonsultasi dengan beberapa dokter untuk menyiapkan agar kami bisa mendiagnosis bahwa pasien ini menderita diabetes," ungkapnya.

David juga menjelaskan bahwa hasil dari penelitian ini menunjukkan bahwa algoritma KNN lebih unggul dari Naive Bayes karena memiliki akurasi dan presisi yang lebih baik. "Hasil dari peneltian ini menunjukkan bahwa algoritma KNN mempunyai akurasi dan recall yang lebih baik dari Naive Bayes. Sedangkan, Naive Bayes hanya unggul dalam hal presisi dan itu masih belum cukup untuk menunjukkan bahwa Naive bayes lebih unggul dari KNN," pungkas mahasiswa asal Surabaya.

Melalui penelitiannya, David berharap dapat membantu masyarakat, khususnya generasi muda, dalam mendeteksi dini risiko diabetes. "Penelitian ini bertujuan agar kalangan muda dapat mendeteksi dini dan lebih waspada terhadap kemungkinan terkena diabetes," pungkasnya. (vs/rz)

Sumber: https://untag-sby.ac.id/web/beritadetail/bandingkan-dua-algoritma-mahasiswa-teknik-informatika-untag-surabaya-ciptakan-program-analisa-klasifikasi-penyakit-diabetes.html