Aplikasi Berbasis Web Berdasarkan Model Klasifikasi Algoritma Support Vector Machine Terhadap Data Penyakit Diabetes

Diabetes menjadi salah satu penyakit yang dapat mengancam nyawa apabila tidak ditangani dengan cepat, karena dapat menyebabkan komplikasi serius pada jantung, ginjal, saraf, dan mata. Diabetes terjadi ketika kadar gula darah dalam tubuh tidak terkendali, dan pankreas tidak dapat memproduksi insulin dengan cukup. Selain itu, jumlah orang yang menderita diabetes terus meningkat secara global, dengan biaya perawatan di Indonesia mencapai 323,8 USD per-tahun. Berdasarkan jumlah kematian pasien yang mengidap diabetes, penelitian ini bertujuan mengembangkan sistem berbasis web untuk mendiagnosis seseorang terkena diabetes atau tidak. Pada penelitian ini, proses data mining dilakukan dengan enam tahapan dalam Cross-Industry Standard Process for Data Mining (CRISP-DM). Adapun pada dataset diabetes terdapat ketidakseimbangan yang diatasi dengan Synthetic Minority Over-sampling Technique (SMOTE). Selanjutnya, dilakukan proses pemodelan menggunakan Algoritma Support Vector Machine (SVM) dengan kernel linear. Sehingga, hasil evaluasi Algoritma SVM dengan SMOTE menggunakan 10-fold cross-validation mencapai rata-rata akurasi 88.00%, presisi 88.67%, dan recall 87.36%. Setelah itu, model diimplementasikan dalam sistem berbasis web menggunakan framework Streamlit dengan pengembangan Rapid Application Development (RAD). Dalam blackbox testing, sistem menunjukkan fungsionalitas yang optimal, dan hasil uji validasi pakar mencapai tingkat akurasi sebesar 100%. Hal ini semakin memperkuat kehandalan pada sistem klasifikasi penyakit diabetes.

Kata Kunci: CRISP-DM, diabetes, SMOTE, support vector machine