📅 10 January 2026
DOI: 10.51903/37naet22
Application of KNN & Decision Tree Algorithms in Predicting Diabetes Using Rapid Miner
JUISI : Jurnal Ilmiah Sistem Informasi
Universitas Sains dan Teknologi Komputer
📄 Abstract
Prediksi diabetes merupakan langkah penting dalam mendukung deteksi dini serta pencegahan komplikasi jangka panjang yang disebabkan oleh penyakit kronis. Penelitian ini bertujuan membandingkan kinerja algoritma K-Nearest Neighbor (KNN) dan Decision Tree dalam memprediksi diabetes menggunakan dataset Pima Indian Diabetes pada aplikasi RapidMiner. Dataset yang digunakan terdiri dari 768 data dengan delapan atribut kesehatan utama yang berkaitan dengan risiko diabetes. Metode penelitian meliputi preprocessing data, normalisasi, penanganan missing value, serta evaluasi model menggunakan K-Fold Cross Validation. Hasil penelitian menunjukkan bahwa algoritma Decision Tree memperoleh akurasi sebesar 74,68%, lebih tinggi dibandingkan KNN yang hanya mendapatkan akurasi 68,18%. Keunggulan Decision Tree disebabkan kemampuannya membaca pola data dengan lebih baik serta menghasilkan struktur keputusan yang mudah diinterpretasikan. Penelitian ini memberikan kontribusi dalam bidang analitika kesehatan dengan menghadirkan bukti empiris perbandingan algoritma serta menunjukkan efektivitas RapidMiner dalam pengembangan model prediksi untuk deteksi dini penyakit diabetes.
🔖 Keywords
#K-Nearest Neighbor ; Decision Tree; Machine Learning; Prediksi; Diabetes; Rapid Miner; Diabetes Prediction; K-Nearest Neighbor; Decision Tree; Machine Learning; RapidMiner
ℹ️ Informasi Publikasi
Tanggal Publikasi
10 January 2026
Volume / Nomor / Tahun
Volume 5, Nomor 1, Tahun 2026
📝 HOW TO CITE
Fatah, Zaehol ; Anam, Baitul; Fatah, Zaehol ; Anam, Baitul , "Application of KNN & Decision Tree Algorithms in Predicting Diabetes Using Rapid Miner," JUISI : Jurnal Ilmiah Sistem Informasi, vol. 5, no. 1, Jan. 2026.
ACM
ACS
APA
ABNT
Chicago
Harvard
IEEE
MLA
Turabian
Vancouver
Download Citation
0
Sitasi
Cek Google Scholar