Analisis Perbandingan Jarak Euclidean, Manhattan, Dan Chebyshev Distance Pada Algoritma KNN Berdasarkan Data Diabetes Di Puskesmas Larangan

Abstract

Penelitian ini membandingkan tiga metrik jarak, yaitu Euclidean, Manhattan, dan Chebyshev
pada algoritma K-Nearest Neighbor (KNN) dengan menggunakan data pasien diabetes dari
Puskesmas Larangan, Pamekasan. Klasifikasi diabetes secara tepat sangat penting untuk
mengidentifikasi pasien berisiko tinggi, sementara pemilihan metrik jarak berpengaruh terhadap
hasil prediksi. Dataset mencakup informasi kesehatan seperti lingkar perut, tekanan darah, kadar
gula darah, dan indeks massa tubuh (IMT). Tahapan penelitian meliputi pra-pemrosesan data,
pembagian data latih dan uji, serta penerapan KNN dengan ketiga metrik tersebut. Hasil
menunjukkan perbedaan akurasi, yaitu Euclidean 96,33%, Manhattan 98,17%, dan Chebyshev
93,58%. Temuan ini menegaskan bahwa pemilihan metrik jarak berperan penting dalam
meningkatkan performa KNN untuk klasifikasi data kesehatan, serta dapat menjadi acuan dalam
pengembangan sistem deteksi dini diabetes yang lebih akurat.
Kata kunci: K-Nearest Neighbor, Euclidean, Manhattan, chebyshev, Diabetes