Analisis Klasifikasi Diagnosa Penyakit Diabetes Melitus Berdasarkan Komparasi Algoritma Supervised Learning

Abstract

20194920011 - Diabetes Melitus merupakan penyakit mematikan yang dapat menyerang siapa saja, mulai dari anak-anak, remaja, hingga dewasa. Pada tahun 2021, terdapat lebih dari 6,7 juta kasus meninggal dunia akibat penyakit diabetes melitus dan membuat penyakit yang tidak menular ini menjadi ancaman serius bagi kesehatan dunia, terkhususnya di Indonesia dengan 19,5 juta warganya tercatat mengidap penyakit tersebut. Banyak cara yang telah dilakukan untuk mengatasi penyakit diabetes. Salah satunya adalah dengan memprediksi pasien mana yang terkena diabetes dan pasien mana yang tidak terkena diabetes dengan menggunakan berbagai algoritma machine learning serta parameter dan indikator yang ada. Metode yang digunakan adalah metode kuantitatif, dengan data sekunder yang didapat dari internet tepatnya UC Irvine Machine Learning Repository berjudul Early Stages Diabetes Risk Prediction yang diperoleh melalui kuesioner dari pasien diabetes di Sylhet Diabetes Hospiltal dan sudah si verifikasi dokter berjumlah 520 data dan 17 atribut. Dengan menggunakan tools Python, akan dilakukan komparasi untuk mengetahui algoritma yang cocok untuk mendiagnosa penyakit diabetes melitus menggunakan algoritma Supervised Learning yang terdiri dari Logistic Regresison, K-Nearest Neighbor, Support Vector Machine, Random Forest, Naïve Bayes Classifier dan Artificial Neural Network, Decision Tree C4.5, dan Gradient Boosting Classifier. Hasil penelitian menunjukkan algoritma yang memiliki akurasi terbaik untuk mendiagnosa penyakit diabetes melitus adalah Random Forest dengan akurasi 98,71%. Dengan diselesaikannya penelitian ini, diharapkan dapat memperkaya pengetahuan mengenai diabetes melitus dan dapat dikembangkan hingga didapatkan algoritma terbaik untuk mendiagnosa penyakit diabetes melitus sebagai prediksi dini.