Pengaruh Variasi Nilai Tetangga dan Jenis Jarak terhadap Performa Metode Fuzzy K-Nearest Neighbor dalam Klasifikasi Penyakit Diabetes

Peningkatan kemampuan model klasifikasi menjadi kebutuhan penting dalam mendukung diagnosis Diabetes Melitus berbasis data medis. Penelitian ini menggunakan algoritma Fuzzy K-Nearest Neighbor (FKNN) untuk menganalisis pengaruh variasi nilai tetangga terdekat (K) dan jenis jarak terhadap performa klasifikasi diabetes. Dataset yang digunakan terdiri dari 600 data rekam medis pasien dari Puskesmas Pulo Lor Jombang dan RSUD dr. Mohammad Zyn Kabupaten Sampang dengan fitur umur, jenis kelamin, indeks massa tubuh, lingkar perut, tekanan darah, HbA1c, gula darah puasa, dan gula darah 2 jam post-prandial. Tahap preprocessing meliputi penanganan Missing Value, encoding, normalisasi Min-Max, dan penanganan ketidakseimbangan kelas menggunakan SMOTE. Pengujian dilakukan pada variasi nilai K (3, 5, 9, dan 11) serta tiga metrik jarak yaitu Euclidean, Manhattan, dan Minkowski. Evaluasi model menggunakan Confusion Matrix dengan metrik akurasi, presisi, recall, F1-Score, dan AUC-ROC. Hasil penelitian menunjukkan bahwa FKNN dengan jarak Manhattan, K=7, dan SMOTE menghasilkan performa terbaik dengan akurasi 99,15%, F1-Score 99,38%, dan AUC-ROC 0,9993. Hasil tersebut menunjukkan bahwa penerapan SMOTE dan pemilihan parameter yang tepat mampu meningkatkan kemampuan klasifikasi model FKNN secara optimal.