Application Design with Comparison of K-Nearest Neighbor (KNN) and Naive Bayes Methods in Classification of Diabetes Patients.

Diabetes adalah penyakit yang tidak menular dan termasuk cukup serius bagi manusia dikarenakan pankreas tidak mampu menghasilkan insulin secara optimal. Internasional Diabetes Federation (IDF) memperkirakan sedikitnya terdapat 463 juta orang pada usia 20-79 tahun di dunia menderita diabetes. Prevelensi diabetes diperkirakan meningkat seiring penambahan umur penduduk menjadi 19,9% juta pada tahun 2030 dan 700 juta pada tahun 2024. Oleh karena itu dibutuhkan sistem yang bertujuan untuk mendeteksi penderita penyakit diabetes. Penelitian ini menggunakan dua algoritma yaitu KNN dan Naive Bayes. Hal ini untuk memandingkan kedua algoritma yang memiliki tingkat akurasi yang terbaik. Algoritma KNN adalah algoritma yang digunakan untuk mengklasifikasi objek baru berdasarkan objek terdekatnya. Adapun Algoritma Naive Bayes adalah salah satu algoritma yang digunakan untuk klasifikasi sistematika yang dapat digunakan untuk memprediksi probabilitas keanggotaan dalam suatu class. Pada penelitian ini proses klasifikasi dilakukan dengan cara memasukkan data ke dalam tools Jupyter Notebook dan membuat rancangan proses penelitian. Dataset yang diambil oleh ibu Saptarum di Klinik Bidan Saptarum Maslahah Kabupaten Jombang dengan jumlah 50 data akan diolah dengan Algoritma KNN dan Naive Bayes. Tahap akhir menjadikan file dalam bentuk Data Pickle agar dapat direalisasikan kedalam sistem. Adapun hasil nilai akurasi Algoritma KNN dengan K=3 memiliki nilai sebesar 93%, sedangkan algoritma Naïve Bayes memiliki akurasi sebesar 95%.

Diabetes is a disease that is not contagious and is quite serious for humans because the pancreas is not able to produce insulin optimally. The International Diabetes Federation (IDF) estimates that there are at least 463 million people aged 20-79 years in the world suffering from diabetes. The prevalence of diabetes is estimated to increase as the population ages to 19.9% ​​million in 2030 and 700 million in 2024. Therefore, a system that aims to detect people with diabetes is needed. This study uses two algorithms, namely KNN and Naive Bayes. This is to compare the two algorithms that have the best level of accuracy. The KNN algorithm is an algorithm used to classify new objects based on their closest objects. The Naive Bayes algorithm is one of the algorithms used for systematic classification that can be used to predict the probability of membership in a class. In this study, the classification process was carried out by entering data into the Jupyter Notebook tools and designing the research process. The dataset taken by Saptarum's mother at the Midwife Clinic Saptarum Maslahah Jombang Regency with a total of 50 data will be processed using the KNN and Naive Bayes Algorithms. The final stage is making the file in the form of a Data Pickle so that it can be realized into the system. The results of the accuracy of the KNN algorithm with K = 3 have a value of 93%, while the Naïve Bayes algorithm has an accuracy of 95%.