Klasifikasi diabetes mellitus pada remaja perempuan menggunakan Algoritma Naïve Bayes

Abstract

Diabetes Mellitus termasuk penyakit tidak menular dengan peningkatan kasus yang cukup signifikan pada usia remaja, khususnya remaja perempuan. Perubahan hormonal selama masa remaja, pola hidup kurang sehat, serta riwayat kesehatan tertentu dapat meningkatkan risiko terjadinya Diabetes Mellitus pada remaja perempuan. Tingginya risiko Diabetes Mellitus pada remaja perempuan mendorong perlunya pendekatan yang dapat mendukung identifikasi dini secara efektif dan akurat. Penelitian ini bertujuan membangun model klasifikasi Diabetes Mellitus pada remaja perempuan yang memanfaatkan algoritma Naïve Bayes. Penelitian ini menerapkan metode Knowledge Discovery in Databases  dimulai dari pemilihan atribut data, pengolahan awal data, pembentukan model klasifikasi, hingga evaluasi kinerja model. Evaluasi model dilakukan menggunakan Stratified 10-Fold Cross Validation dengan Classification Report. Dataset yang digunakan merupakan dataset kesehatan remaja perempuan yang bersifat publik dan terdiri atas 1.879 data dengan tujuh atribut independen dan satu atribut dependen. Hasil menunjukkan model Naïve Bayes menghasilkan accuracy sebesar 83,82%, precision 83,87%, recall 83,82%, dan f1-score 83,80%. Hasil tersebut menunjukkan algoritma Naïve Bayes memiliki kemampuan yang baik dalam mengklasifikasikan Diabetes Mellitus pada remaja perempuan serta berpotensi diterapkan sebagai pendukung sistem deteksi dini Diabetes Mellitus berbasis machine learning.