Implementasi Model Machine Learning pada Klasifikasi Status Penyakit Diabetes Berbasis Streamlit

Nur Arminarahmah; Galih Mahalisa

doi:10.30591/smartcomp.v13i3.5866

Implementasi Model Machine Learning pada Klasifikasi Status Penyakit Diabetes Berbasis Streamlit

Nur Arminarahmah, Galih Mahalisa

Abstract

Penyakit diabetes adalah masalah kesehatan global yang signifikan, dan deteksi dini serta klasifikasi status penyakit ini sangat penting untuk pengelolaan yang efektif. Dalam konteks ini, penelitian ini bertujuan untuk mengimplementasikan model machine learning dengan algoritma K-Nearest Neighbors (KNN) pada klasifikasi status penyakit diabetes. Untuk memfasilitasi interaksi yang mudah dan pemahaman yang lebih baik oleh pengguna, aplikasi web berbasis Streamlit dikembangkan sebagai antarmuka. Dataset diabetes yang relevan digunakan untuk melatih dan menguji model KNN yang telah diimplementasikan. Metodologi penelitian mencakup tahap pengumpulan dan preprocessing data, pemilihan parameter, pelatihan model, dan evaluasi kinerja model. Hasil penelitian menunjukkan bahwa model KNN yang diimplementasikan melalui aplikasi Streamlit mampu melakukan klasifikasi status penyakit diabetes dengan tingkat akurasi yang baik. Pengguna dapat dengan mudah mengakses dan memanfaatkan aplikasi ini untuk mendapatkan prediksi status penyakit diabetes berdasarkan data yang mereka inputkan. Penelitian ini memiliki potensi untuk meningkatkan aksesibilitas dan pemahaman masyarakat terhadap status penyakit diabetes melalui pendekatan machine learning dan teknologi web. Selain itu, hasil penelitian ini dapat menjadi dasar untuk pengembangan lebih lanjut dalam bidang deteksi penyakit dan pemantauan kesehatan secara keseluruhan.

Keywords

Diabetes; klasifikasi; KNN; streamlit

Full Text:

References

Y. Nurdiansyah, “Informal : informatics journal.,” vol. 2, no. 2, pp. 114–122, Jul. 2017.

N. M. Putry, “KOMPARASI ALGORITMA KNN DAN NAÏVE BAYES UNTUK KLASIFIKASI DIAGNOSIS PENYAKIT DIABETES MELLITUS,” EVOLUSI J. Sains dan Manaj., vol. 10, no. 1, Apr. 2022, doi: 10.31294/evolusi.v10i1.12514.

A. M. Argina, “Indonesian Journal of Data and Science Penerapan Metode Klasifikasi K-Nearest Neigbor pada Dataset Penderita Penyakit Diabetes,” jurnal.yoctobrain.org, vol. 1, no. 2, pp. 29–33, 2020.

H. Zain and M. Fauzan, “Peramalan Terhadap Permintaan Produk Dalam Sektor Logistik di Indonesia,” 2023.

“knn diabetes streamlit - Google Scholar.” https://scholar.google.com/scholar?hl=id&as_sdt=0%2C5&q=knn+diabetes+streamlit&btnG= (accessed Sep. 07, 2023).

A. Ali, M. Alrubei, L. F. M. Hassan, M. Al-Ja’afari, and S. Abdulwahed, “Diabetes classification based on KNN,” IIUM Eng. J., vol. 21, no. 1, pp. 175–181, 2020, doi: 10.31436/iiumej.v21i1.1206.

A. C. Barus, T. M. Panggabean, D. Pakpahan, and S. G. D. Sirait, “Verifikasi Kualitas Gambar Dengan Algoritma Support Vector Machine (SVM) Untuk Studi Kasus Ulos Batak Toba,” Smart Comp Jurnalnya Orang Pint. Komput., vol. 11, no. 3, pp. 473–483, Jul. 2022, doi: 10.30591/SMARTCOMP.V11I3.3900.

S. Shukla, A. Maheshwari, and P. Johri, “Comparative Analysis of Ml Algorithms & Stream Lit Web Application,” in Proceedings - 2021 3rd International Conference on Advances in Computing, Communication Control and Networking, ICAC3N 2021, 2021, pp. 175–180. doi: 10.1109/ICAC3N53548.2021.9725496.

G. Guo, H. Wang, D. Bell, Y. Bi, and K. Greer, “KNN model-based approach in classification,” Lect. Notes Comput. Sci. (including Subser. Lect. Notes Artif. Intell. Lect. Notes Bioinformatics), vol. 2888, pp. 986–996, 2003, doi: 10.1007/978-3-540-39964-3_62.

A. B. Prasetyo and T. G. Laksana, “Optimasi Algoritma K-Nearest Neighbors dengan Teknik Cross Validation Dengan Streamlit (Studi Data: Penyakit Diabetes),” 2022.

N. Marito Putry and B. Nurina Sari, “KOMPARASI ALGORITMA KNN DAN NAÏVE BAYES UNTUK KLASIFIKASI DIAGNOSIS PENYAKIT DIABETES MELITUS,” J. Sains dan Manaj., vol. 10, no. 1, 2022.

DOI: https://doi.org/10.30591/smartcomp.v13i3.5866