Prediksi Penyakit Diabetes menggunakan Klasifikasi K-Nearest Neighbor

Diabetes merupakan penyakit kronis yang prevalensinya terus mengalami peningkatan secara global, termasuk di Indonesia. Upaya deteksi dini dan prediksi penyakit ini sangat penting dalam mencegah dan mengurangi risiko komplikasi. Penelitian ini bertujuan untuk merancang model prediksi diabetes dengan memanfaatkan algoritma klasifikasi K-Nearest Neighbor (K-NN). Dataset yang digunakan bersumber dari Pima Indians Diabetes yang memuat sejumlah parameter kesehatan seperti kadar glukosa, tekanan darah, indeks massa tubuh, dan lainnya. K-NN dipilih karena memiliki keunggulan dalam mengklasifikasikan data yang bersifat non-linear serta mudah diimplementasikan. Proses penelitian melibatkan tahap prapemrosesan data, normalisasi, serta pembagian data menjadi set pelatihan dan pengujian. Berdasarkan hasil evaluasi, model K-NN dengan nilai K=5 mampu mencapai tingkat akurasi sebesar 78,5%. Simpulan dari studi ini menunjukkan bahwa algoritma K-NN efektif digunakan sebagai alat bantu dalam sistem pendukung keputusan untuk mendeteksi dini risiko diabetes. Hasil ini dapat menjadi landasan dalam pengembangan sistem prediksi kesehatan yang praktis dan efisien.