KLASIFIKASI PENYAKIT DIABETES MELLITUS MENGGUNAKAN METODE KNN (K-NEAREST NEIGHBOR) DAN SELEKSI FITUR PEARSON CORRELATION

Diabetes merupakan salah satu penyebab utama kematian, kecacatan dan kerugian ekonomi di seluruh dunia. Tipe 2 diabetes lebih umum (90-95% di seluruh dunia) jenis diabetes. Prediksi dan diagnosis penyakit yang akurat akan menjadi masalah penelitian yang menantang bagi banyak peneliti. Oleh karena itu bertujuan untuk meningkatkan akurasi diagnosis yang kita miliki, mengusulkan pengklasifikasi K-nearest neighbor. Metode KNN dipilih karena kemampuannya yang sederhana namun efektif dalam melakukan klasifikasi berdasarkan atribut-atribut yang ada. Dalam penelitian ini akan dilakukan pengumpulan data penyakit diabetes mellitus yang terdiri dari atribut diabetes yang relevan, seperti age, pregnancies, glucose, blood pressure, skin thickness, insulin, BMI (Body Mass Index), DiabetesPedigreeFunction, yang digunakan. Kemudian, akan dilakukan tahap pra-pemrosesan data untuk membersihkan dan mengubah data menjadi bentuk yang sesuai dengan metode KNN. Dataset yang digunakan pada penelitian ini adalah dataset Diabetes Mellitus yang diambil dari website Kaggle Repository yang terdiri dari 767 data, 9 fitur dan binary class. Berdasarkan uji coba yang telah dilakukan dalam penelitian ini metode KNN dalam mengklasifikasikan penyakit diabetes mellitus dari pembagian data 9 : 1 mendapatkan nilai evaluasi terbaik dengan nilai presisi nilai presisi 0.728, recall 0.734, f1score 0.729, dan nilai K 9.