OPTIMALISASI DIAGNOSIS DINI DIABETES DENGAN MACHINE LEARNING: MODEL PREDIKTIF BERBASIS K-NEAREST NEIGHBOR
Abstract
Diabetes merupakan penyakit tidak menular utama yang memberikan beban kesehatan global yang signifikan, dengan prevalensinya terus meningkat. Sebagai respons, penelitian ini mengembangkan aplikasi berbasis web untuk deteksi dini risiko diabetes menggunakan algoritma K-Nearest Neighbor (KNN), yang memanfaatkan Dataset lokal dari RSUD Kolonodale, Indonesia. Aplikasi ini memberikan alat yang efisien dan mudah diakses bagi masyarakat umum dan tenaga medis untuk memprediksi risiko diabetes berdasarkan indikator klinis utama seperti kadar gula darah, tekanan darah, Indeks Massa Tubuh (IMT), kadar insulin, dan riwayat keluarga. Model ini mencapai akurasi 93%, dengan precision 89%, recall 96%, dan F1-score 93%, yang menunjukkan efektivitasnya dalam membedakan antara kasus diabetes dan non-diabetes. Meskipun sistem ini menawarkan antarmuka pengguna yang ramah dan sumber daya edukasi tentang pencegahan diabetes, masih terdapat beberapa area yang perlu perbaikan, terutama dalam hal perluasan Dataset, penanganan kesalahan, dan performa pada beban pengguna yang tinggi. Aplikasi ini juga memiliki potensi untuk diintegrasikan dengan perangkat wearable dan chatbot berbasis AI untuk meningkatkan pemantauan secara real-time dan rekomendasi pencegahan yang dipersonalisasi. Pengembangan di masa depan dapat memperluas aplikasinya di fasilitas kesehatan baik di perkotaan maupun pedesaan.

Keywords
References
International Diabetes Federation. (2021). IDF Diabetes Atlas (9th ed.). International Diabetes Federation.
RSUD Kolonodale. (2021). Laporan Kasus Diabetes di Instalasi Rawat Jalan RSUD Kolonodale Tahun 2019-2021.
Diallo, A. I., Dieng, C. M., Tine, J. A. D., Bassoum, O., Diongue, F. B., Ba, M. F., & et al. (2024). Factors associated with diabetes knowledge, attitudes and practices among people aged 18 and over in the commune of Niakhene in Senegal. PLOS Global Public Health, 4(3), e0002265. https://doi.org/10.1371/journal.pgph.0002265
Hossain, M. J., Al-Mamun, M., & Islam, M. R. (2024). Diabetes mellitus, the fastest growing global public health concern: Early detection should be focused. Health Science Reports, 7(3), e2004. https://doi.org/10.1002/hsr2.2004
Shen, Y., Yu, J., Zhou, J., & Hu, G. (2025). Twenty-Five Years of Evolution and Hurdles in Electronic Health Records and Interoperability in Medical Research: Comprehensive Review. Journal of Medical Internet Research, 27, e59024. https://doi.org/10.2196/59024
Danny, M., Muhidin, A., & Jamal, A. (2024). Application of the K-Nearest Neighbor Machine Learning Algorithm to Predict Sales of Best-Selling Products. Brilliance: Research of Artificial Intelligence, 4(1), 255–264.
Bhatnagar, A., Sharma, R., & Verma, P. (2022). K-Nearest Neighbor Algorithm for Early Detection of Chronic Kidney Disease Using Web-Based Application. International Journal of Computer Applications, 184(3), 15–22. https://doi.org/10.5120/ijca2022923456
Lestari, U. I., & et al. (2021). Penerapan Metode K-Nearest Neighbor untuk Sistem Pendukung Keputusan Identifikasi Penyakit Diabetes Melitus. Jurnal Teknologi Informasi Dan Komputer, 7(2), 45–52.
Zhang, Y., Li, J., & Wang, X. (2020). Algoritma K-Nearest Neighbor (KNN) dalam Tugas Klasifikasi. Journal of Machine Learning, 27(1), 89–102.
Rahman, M., Ahmed, T., & Chowdhury, F. (2020). Performance analysis of distance metrics in KNN for medical data classification using mobile applications. Journal of Medical Systems, 44(2), 56. https://doi.org/10.1007/s10916-020-1537-5
American Diabetes Association. (2021). Standards of medical care in diabetes–2021 abridged for primary care providers. Clinical Diabetes, 39(1), 14–43. https://doi.org/10.2337/cd20-0105
Cheung, B. M., & Li, C. (2022). Diabetes and hypertension: Is there a common metabolic pathway? Current Atherosclerosis Reports, 14(2), 160–166. https://doi.org/10.1007/s11883-012-0227
Kirkman, M. S., Briscoe, V. J., Clark, N., Florez, H., Haas, L. B., Halter, J. B., ... & Swift, C. S. (2012). Diabetes in older adults: A consensus report. Journal of the American Geriatrics Society, 60(12), 2342–2356. https://doi.org/10.1111/jgs.12035
Lyssenko, V., & Laakso, M. (2023). Genetic screening for the risk of type 2 diabetes: Worthless or valuable? Diabetes Care, 36(Suppl. 2), S120–S126. https://doi.org/10.2337/dcS13-2007
Pressman, R. S. (2020). Pengujian black box untuk aplikasi web dan pengujian fungsional. Software Quality Journal, 26(5), 411–428
DOI: http://dx.doi.org/10.31544/jtera.v10.i1.2025.89-98


Refbacks
- There are currently no refbacks.
Copyright (c) 2025 JTERA (Jurnal Teknologi Rekayasa)

This work is licensed under a Creative Commons Attribution-NonCommercial-ShareAlike 4.0 International License.
Copyright @2016-2025 JTERA (Jurnal Teknologi Rekayasa) p-ISSN 2548-737X e-ISSN 2548-8678.
This work is licensed under a Creative Commons Attribution-NonCommercial-ShareAlike 4.0 International License.
JTERA Editorial Office:
Politeknik Sukabumi
Jl. Babakan Sirna 25, Sukabumi 43132, West Java, Indonesia
Phone/Fax: +62 266215417
Whatsapp: +62 81809214709
Website: https://jtera.polteksmi.ac.id
E-mail: [email protected]