Perbandingan Akurasi Klasifikasi Penyakit Diabates Menggunakan Algoritma Adaboost-Random Forest dan Adaboost- Decision Tree dengan Imputasi Median dan KNN

Abstract

Diabetes merupakan penyakit yang ditandai dengan tingginya kadar gula (glukosa) darah. Pada penelitian ini dilakukan pendekatan dalam memprediksi penyakit menggunakan metode Adaboost-Random Forest dan Adaboost-Decision Tree dengan imputasi Median dan KNN, sehingga terdapat 4 tahapan uji klasifikasi. Tujuan penelitian ini yaitu membandingkan hasil akurasi prediksi dari algoritma yang digunakan, sehingga didapatkan hasil akurasi prediksi terbaik. Data yang digunakan yaitu Pima Indians Diabetes Dataset (PIDD) yang bersumber dari Kaggle. Hasil penelitian ini didapatkan model terbaik yaitu klasifikasi menggunakan algoritma Adaboost-Random Forest dengan imputasi median, model tersebut menghasilkan nilai akurasi terbesar 0.7786458 pada uji ke-8. Sedangkan hasil untuk model yang menggunakan algoritma Adaboost-Decision Tree dengan imputasi median menghasilkan nilai akurasi sebesar 0.7721354 pada nilai max_depth = 7, model klasifikasi menggunakan algoritma Adaboost-Random Forest dengan imputasi KNN menghasilkan nilai akurasi 0.77083 pada uji ke-5, sedangkan model dari algoritma Adaboost-Decision Tree dengan imputasi KNN menghasilkan nilai akurasi sebesar 0.74609375 pada nilai max_depth = 7.