Optimasi Naive Bayes dengan Diskritisasi dan Penanganan Outlier untuk Deteksi Diabetes pada Dataset Pima Indians

Abstract

Diabetes sering kali tidak menunjukkan gejala awal sehingga banyak orang terlambat menanganinya. Teknologi komputer sebenarnya bisa membantu mendeteksi risiko ini dengan cepat melalui metode Gaussian Naive Bayes. Namun, tantangannya adalah data kesehatan yang tersedia sering kali berantakan, memiliki angka yang tidak masuk akal, atau data yang terlalu ekstrem. Penelitian ini bertujuan memperbaiki kualitas data tersebut dengan cara membersihkan angka yang salah, membuang data yang tidak wajar, dan menyederhanakan angka medis yang rumit menjadi kelompok yang lebih mudah dibaca sistem. Hasilnya sangat baik karena komputer menjadi jauh lebih akurat dalam menebak risiko diabetes dengan tingkat keberhasilan mencapai 80,60%. Faktor yang paling menentukan dalam prediksi ini adalah kadar gula darah dan berat badan pasien. Kesimpulannya dengan membereskan data yang berantakan terlebih dahulu maka teknologi sederhana pun bisa menjadi alat deteksi dini yang sangat membantu tenaga medis di puskesmas atau klinik kecil.