Implementasi Data Mining Dengan Algoritma Multiple Linear Regression Untuk Memprediksi Penyakit Diabetes

Abstraksi

Menurut WHO diabetes merupakan gangguan metabolisme yang ditandai dengan tingginya kadar gula dalam darah. Diabetes merupakan penyakit yang mematikan apabila penderita tidak bisa mengendalikannya dan akan menjadi komplikasi. Banyak orang yang terkena penyakit diabetes dan terlambat mengetahuinya, sehingga pada saat melakukan pengobatan kondisi sudah komplikasi. pendeteksian penyakit diabetes sejak dini sangat membantu bagi penderita untuk menghindari adanya komplikasi yang akan terjadi. Maka dari itu dibutuhkan suatu teknik data mining yang dapat mengolah data dan mencegah penyakit diabetes sejak dini. Data mining merupakan suatu proses penggalian pengetahuan dari sejumlah data untuk menemukan sebuah pola. Data mining sudah banyak digunakan salah satunya tentang metode prediksi untuk mengetahui penderita diabetes. Banyak sekali metode prediksi yang ada, salah satunya linear regression, dimana metode ini menggunakan atribut dependen dan independen. Dalam penelitian ini menggunakan metode multiple linear regression untuk memprediksi penyakit diabetes, serta melakukan evaluasi menggunakan RMSE (root mean square error). Hasil dari penelitian ini menghasilkan nilai RMSE sebesar 0.403, pengujian RMSE menggunakan cross validation dengan mengubah nilai number of validation.   

Kata Kunci: Data Mining, Linear Regression, Diabetes

URI
https://ejournal.bsi.ac.id/ejurnal/index.php/jtk/article/view/11552/pdf

Bidang ilmu
Sistem Informasi

References

Aldallal, A., & Al-Moosa, A. A. A. (2018). Using Data Mining Techniques to Predict Diabetes and Heart Diseases. 2018 4th International Conference on Frontiers of Signal Processing, ICFSP 2018, September, 150–154. https://doi.org/10.1109/ICFSP.2018.8552051

Baiju, B. V., & Aravindhar, D. J. (2019). Disease Influence Measure Based Diabetic Prediction with Medical Data Set Using Data Mining. Proceedings of 1st International Conference on Innovations in Information and Communication Technology, ICIICT 2019, 1– 6. https://doi.org/10.1109/ICIICT1.2019.8741452

Gaol, I. L. L., Sinurat, S., & Siagian, E. R. (2019). Implementasi Data Mining Dengan Metode Regresi Linear Berganda Untuk Memprediksi Data Persediaan Buku Pada Pt. Yudhistira Ghalia Indonesia Area Sumatera Utara. KOMIK (Konferensi Nasional Teknologi Informasi Dan Komputer), 3(1), 130–133. https://doi.org/10.30865/komik.v3i1.1579

George, T., & Hema, A. (2015). A Survey On Diabetes And Heart Disease Prediction Using Daata Mining Techniques. International Journal of Applied Engineering Research, 10(55), 2786–2789.

Hayuningtyas, R. Y., & Sari, R. (2021). Laporan Akhir: Penelitian Implementasi Data Mining Dengan Algoritma Multiple Linear Regression Untuk Memprediksi Penyakit Diabetes.

Herwanto, H. W., Widiyaningtyas, T., & Indriana, P. (2019). Penerapan Algoritme Linear Regression untuk Prediksi Hasil Panen Tanaman Padi. Jurnal Nasional Teknik Elektro Dan Teknologi Informasi (JNTETI), 8(4), 364. https://doi.org/10.22146/jnteti.v8i4.537

Islam, M. M. F., Ferdousi, R., Rahman, S., & Bushra, H. Y. (2019). Likelihood Prediction of Diabetes at Early Stage Using Data Mining Techniques. In Computer Vision and Machine Intelligence in Medical Image Analysis.

Lindungi Keluarga Dari Diabetes - Direktorat P2PTM. (n.d.). Retrieved October 18, 2021, from http://p2ptm.kemkes.go.id/post/lindungikeluarga-dari-diabetes 

Prasetyo,  V. R., Lazuardi, H., Mulyono, A. A., & Lauw, C. (2021). Penerapan Aplikasi RapidMiner Untuk Prediksi Nilai Tukar Rupiah Terhadap US Dollar Dengan Metode Regresi Linier. Jurnal Nasional Teknologi Dan Sistem Informasi, 7(1), 8–17. https://doi.org/10.25077/teknosi.v7i1.2021.817

Putri,  S. U., Irawan, E., & Rizky, F. (2021). Implementasi Data Mining Untuk Prediksi Penyakit Diabetes Dengan Algoritma C.45. KESATRIA( Jurnal Penerapan Sistem Informasi Dan Manajemen, 2(1), 39–46.

Rahimloo, P., & Jafarian, A. (2016). Prediction of Diabetes by Using Artificial Neural Network, Logistic Regression Statistical Model and Combination of Them. Bulletin de La Société Royale Des Sciences de Liège, 85, 1148–1164. https://doi.org/10.25518/0037-9565.5938

Rao, K., Yellaswamy, K., & Chandu, Y. (2017). A comparative study of heart disease predictionusing classification techniques in data mining. October 2015.