Oleh karena itu, David mencetuskan ide merancang analisis untuk mendiagnosa penyakit diabetes dengan membandingkan dua algoritma dan menemukan mana yang lebih efektif.
"Hal inilah yang membuat saya berpikir untuk merancang diagnosa penyakit diabetes dengan menganalisa algoritma KNN dan juga Naive Bayes untuk membandingkan antara kedua algoritma tersebut, manakah yang paling baik untuk membuat klasifikasi penyakit diabetes," ujar mahasiswa dengan IPK 3,58.
Baca juga: Zat besi heme dikaitkan dengan peningkatan risiko diabetes tipe 2
Baca juga: DPR minta pemerintah ambil langkah serius cegah diabetes pada anak
Dia menjelaskan bahwa hasil dari penelitian ini menunjukkan bahwa algoritma KNN lebih unggul dari Naive Bayes karena memiliki akurasi dan presisi yang lebih baik.
"Hasil dari penelitian ini menunjukkan bahwa algoritma KNN mempunyai akurasi dan presisi yang lebih baik dari Naive Bayes. Sedangkan, Naive Bayes hanya unggul dalam hal recall dan itu masih belum cukup untuk menunjukkan bahwa Naive bayes lebih unggul dari KNN," katanya.
Melalui penelitiannya, David berharap dapat membantu masyarakat, khususnya generasi muda, dalam mendeteksi dini risiko diabetes.
Sementara itu, dosen pembimbing Supangat, M.Kom., P.hD., ITIL., COBIT., CLA mengatakan penelitian itu dilakukan hampir satu tahun.
"Kenapa kita teliti ke arah diabetes? Karena lihat di internasional federasi diabetes itu, menjadi sebuah problem besar. Tidak hanya pada usia dewasa, jadi di Indonesia itu hampir 10 ribu per tahun penderita diabetes untuk segala usia," katanya.
Supangat menuturkan sejumlah rumah sakit sudah menghubungi pihaknya, karena dia ingin mencoba dari database penderita diabetes.
Baca juga: Remisi diabetes dimungkinkan melalui diet sup dan shake
Baca juga: Mahasiswa UGM teliti ekstrak anggur untuk terapi neuropati diabetik