Deteksi Dini Penyakit Diabetes dengan Menggunakan Algoritma Random Forest

Abstract

Diabetes merupakan penyakit kronis yang mematikan menurut Institude for Health Metrics and Evaluation diabetes merupakan penyakit kematian tertinggi ke 3 di Indonesia sehingga penelitian untuk deteksi dini penyakit diabetes sangat diperlukan, hal ini bertujuan untuk mencegah meningkatnya penyakit diabetes di Indonesia. Dalam penelitian ini menggunakan Knowledge Discovery in Database Process (KDD) yang merupakan suatu metode yang dapat digunakan untuk data mining dari data selection, data cleaning, data transformastion, data mining sampai dengan tahapan evaluasi dan menghasilkan pengetahuan. Pada penelitian ini menggunakan sembilan model dengan sembilan algoritma yang diuji, algoritma tersebut adalah Logistic Regression (LR), Random Forest (RF), Support Vector Machine (SVM), Naïve Bayes(NB), Decision Tree (DT), K-Nearest Neighbors (KNN), Ada Boost (AB), Gradient Boosting (GB) dan XGBoost Classifier (XGB), dari sembilan model, model dengan algoritma Random Forest (RF) yang memiliki tingkat akurasi tinggi, Nilai akurasi dari RF sebesar 98,78% dengan nilai AUC sebesar 0,98 dengan nilai AUC 0,98 maka tingkat klasifikasi dari model dengan algortiman  Random Forest (RF)  Excellent.