ABSTRAK

Penggunaan variabel dummy direkomendasikan untuk kasus penelitian penyakit Diabetes Mellitus (DM), karena faktor-faktor penyebab DM memiliki kemungkinan nilai-nilai muncul lebih dari dua (non-biner), ada kemungkinan bahwa tidak semua jenis kejadian berhubungan dengan faktor penyakit seperti konten lainnya yang perlu dilakukan pemecahan faktor sehingga nilai menjadi biner dan faktor menjadi lebih spesifik. Penelitian ini membahas pengaruh penggunaan variabel dummy dalam pemilihan fitur CFS Subset Eval terhadap klasifikasi pasien DM dengan Naïve Bayes Classifier. Selain itu, data pasien DM terlebih dahulu dilakukan resampling karena data tidak seimbang (unbalance data). Resampling yang digunakan,  yaitu undersampling dengan metode spreadsubsample dan oversampling dengan metode Replicated Over Sampling (ROS). Berdasarkan hasil penelitian yang telah dilakukan, yaitu tentang klasifikasi data pasien DM dengan menggunakan variabel dummy, resampling dan seleksi fitur terhadap klasifikasi Naïve Bayes dapat ditarik kesimpulan bahwa hasil seleksi fitur dengan menggunakan dummy variable dapat membuktikan bahwa dengan dummy variable dapat menspesifikasikan fitur yang digunakan dalam penelitian, kemudian dengan dummy variable juga dapat menstabilkan fitur yang muncul. Dan dari hasil pengujian dengan resampling dan seleksi fitur dapat ditarik kesimpulan bahwa penggunaan variable dummy mempengaruhi kenaikan nilai rata-rata presisi dilihat dari status kembalinya pasien.

Kata Kunci: Variabel Dummy, Naïve Bayes Classifier, Diabetes Mellitus, resampling, spreadsubsample, ROS.