Klasifikasi Penyakit Ginjal Kronis Menggunakan Algoritma KNN Pada Kelompok Usia Dewasa

Abstract

Penelitian ini bertujuan untuk mengklasifikasikan penyakit ginjal kronis pada individu dewasa menggunakan algoritma K-Nearest Neighbors (KNN) dengan dataset Chronic Kidney Disease (CKD) yang diambil dari Kaggle. Dataset ini mencakup berbagai fitur medis seperti usia, tekanan darah, gula darah, dan kadar hemoglobin, yang relevan dalam mendeteksi penyakit ginjal kronis. Setelah melakukan pra-pemrosesan data yang meliputi penanganan missing values, konversi data kategorikal, dan normalisasi, model KNN dilatih dan diuji pada data untuk memprediksi keberadaan penyakit ginjal kronis. Hasil evaluasi model menunjukkan bahwa KNN memiliki performa yang sangat baik dengan akurasi 95%, precision 92%, dan recall 97%. F1-score yang diperoleh adalah 94%, menunjukkan keseimbangan yang baik antara precision dan recall. Matriks kebingungaan menunjukkan bahwa model dapat dengan benar mengklasifikasikan sebagian besar pasien, meskipun terdapat sedikit kesalahan klasifikasi, yaitu 5 false positives dan 2 false negatives. Grafik ROC menghasilkan nilai AUC sebesar 0.98, menandakan kemampuan model dalam membedakan pasien dengan penyakit ginjal kronis dari yang tidak sangat baik. Secara keseluruhan, model KNN dapat digunakan sebagai alat bantu diagnosis dalam deteksi dini penyakit ginjal kronis. Meskipun model menunjukkan performa yang baik, penelitian lebih lanjut dengan eksperimen menggunakan algoritma lain dan teknik optimasi lebih lanjut masih diperlukan untuk meningkatkan akurasi dan generalisasi model.