Ihsanil Huda Primary Author mixed material bibliography Banda Aceh Fakultas MIPA Statistika 2025

Skripsi

Diabetes merupakan salah satu penyakit kronis yang prevalensinya terus meningkat di seluruh dunia, termasuk di Indonesia. Penurunan kesehatan yang disebabkan oleh pola hidup tidak sehat berisiko tinggi menyebabkan diabetes. Oleh karena itu, deteksi ini sangat penting agar tindakan pencegahan dapat segera dilakukan. Penelitian ini dilakukan untuk memprediksi kasus diabetes menggunakan teknik data mining yaitu klasifikasi, yang termasuk kategori supervised learning. Penelitian ini menggunakan dua algoritma populer yaitu Random Forest dan Support Vector Machine (SVM) untuk mengklasifikasikan kasus diabetes. Data yang digunakan pada penelitian ini adalah data kasus diabetes yang bersumber dari website kaggle. Penelitian ini bertujuan untuk membandingkan performa dua algoritma tersebut dan mendapatkan tingkat kepentingan variabel penentu diabetes. Penelitian ini juga menerapkan teknik Synthetic Minority Over-sampling Technique (SMOTE), Adaptive Synthetic Sampling (ADASYN), dan Random Under-sampler (RUS) untuk menangani ketidakseimbangan data. Hasil yang diperoleh menunjukkan model Random Forest mendapatkan nilai akurasi tertinggi sebesar 95%. Sedangkan model SVM mendapatkan nilai akurasi tertinggi sebesar 93%. Sehingga dapat disimpulkan Random Forest lebih baik dalam mengklasifikasikan data kasus diabetes. Selain itu didapatkan juga bahwa SMOTE dan RUS lebih baik dalam menangani ketidakseimbangan data. Sementara itu lima variabel paling menentukan kasus diabetes yaitu HbA1c Level (X7), Blood Glucose Level (X8), Age (X2), Body Mass Index (BMI) (X6), dan Hypertension (X3). Dengan demikian, dapat disimpulkan bahwa kelima variabel tersebut memiliki kontribusi yang signifikan dalam menentukan kasus diabetes. 0 ELECTRONIC THESES AND DISSERTATION Universitas Syiah Kuala 153889 2025-04-21 11:01:34 2025-04-21 15:01:51 machine generated