Optimasi Data Menggunakan K-Support Vector Nearest Neighbor Dalam Kasus Prediksi Penyakit Diabetes

Berdasarkan penelitian sebelumnya yang dilakukan oleh Indrayanti, dkk tentang memprediksi penyakit diabetes dengan menggunakan K-Nearest Neighbour (KNN) saja. Dari hasil penelitian tersebut didapat akurasi sebesar 75.14% dengan nilai K=13. Pada penelitian tersebut data yang digunakan memiliki noise dan tidak diproses terlebih dahulu. Pada penelitian ini digunakan metodologi case studies research dan dataset yang sama yaitu Pima Indian Diabetes Database. Pengujian dilakukan dengan memasukan nilai K=3 sampai K=21 untuk KNN dan KSVNN. Hasil dari penelitian ini menunjukan pengurangan data sebesar 25.77% dan didapat akurasi sebesar 85.59% dengan menggunakan nilai K=5 untuk KSVNN dan K=13 untuk KNN. Hal ini membuktikan bahwa dengan melakukan optimasi data memiliki hasil prediksi yang baik pada kasus klasifikasi menggunakan KNN.