Identifikasi Penyakit Diabetes Mellitus Menggunakan Algoritma Support Vector Machine dan Random Forest

Diabetes mellitus merupakan penyakit metabolisme kronis yang semakin umum di Indonesia, diperkirakan akan memengaruhi pada tahun 2020, tercatat lebih dari 10,8 juta jiwa. Penyakit ini perlu dikenali sejak dini untuk mencegah komplikasi berat yang dapat meningkatkan angka kesakitan dan kematian. Dengan membandingkan kedua metode, penelitian ini dilakukan untuk mengetahui apakah salah satu pendekatan menunjukkan tingkat akurasi yang lebih baik serta untuk mengembangkan model klasifikasi berdasarkan data pasien. Data penelitian ini disediakan oleh Puskesmas Anggadita yang meliputi data demografi, gaya hidup, dan hasil penilaian kesehatan dari 1001 pasien. Salah satu langkah penelitian adalah pra-pemrosesan data sampai dengan evaluasi. Pemodelan SVM dan RF, dapat mengevaluasi model yang menggunakan metrik akurasi, presisi, recall, dan f1- score. Berdasarkan hasil pengujian, algoritma Random Forest menunjukkan performa terbaik dengan akurasi sebesar 99%, presisi 99%, recall 100%, dan f1- score 99%, sedangkan SVM mendapatkan akurasi 91%, presisi 93%, recall 0,91%, dan f1-score 92%. Hal ini menunjukkan seberapa baik Random Forest memisahkan pasien dengan dan tanpa diabetes. Penelitian ini diharapkan mampu menjadi salah satu rujukan dalam memperoleh informasi pembuatan sistem pendukung keputusan medis sehingga para tenaga kesehatan dapat lebih cepat dan akurat dalam mendiagnosis penyakit diabetes mellitus.

Kata Kunci: Diagnosis, Klasifikasi, Machine Learning, Random Forest, Support Vector Machine