Penerapan Algoritma Naïve Bayes untuk Klasifikasi Diabetes Melitus pada Remaja Perempuan

Diabetes melitus merupakan penyakit kronis yang terus mengalami peningkatan kasus dan memerlukan deteksi dini untuk mengurangi risiko komplikasi. Remaja perempuan memiliki risiko yang perlu diperhatikan karena dipengaruhi oleh faktor biologis dan gaya hidup. Oleh karena itu, diperlukan sistem yang dapat membantu skrining awal risiko diabetes secara cepat dan mudah.
Penelitian ini menerapkan algoritma Naïve Bayes untuk mendeteksi kerentanan diabetes melitus pada remaja perempuan menggunakan 1.879 data dengan tujuh atribut, yaitu Age, Physical Activity Minutes Per Week, Family History Diabetes, Hypertension History, BMI, Glucose Fasting, dan HbA1c. Pengembangan model dilakukan menggunakan tahapan Knowledge Discovery in Databases (KDD), sedangkan evaluasi model menggunakan metode Stratified 10-Fold Cross Validation.
Hasil pengujian menunjukkan bahwa model memperoleh accuracy sebesar 83,82 persen, precision 83,87 persen recall 83,82 persen, dan F1-score 83,80 persen. Model kemudian diimplementasikan dalam aplikasi web berbasis Streamlit yang menampilkan hasil prediksi, probabilitas risiko, faktor risiko dominan, serta visualisasi kontribusi variabel. Hasil penelitian menunjukkan bahwa algoritma Naive Bayes memiliki kinerja yang cukup baik sebagai alat bantu skrining awal risiko diabetes.

https://jurnal.sttmcileungsi.ac.id/index.php/infotech/article/view/2437