PENERAPAN ALGORITMA RANDOM FOREST UNTUK PREDIKSI PENYAKIT DIABETES BERDASARKAN DATA MEDIS PASIEN

• ARDIANUS ZEBUA
• 2026

---

Diabetes mellitus merupakan penyakit kronis dengan jumlah penderita yang terus meningkat setiap tahun dan berisiko menimbulkan komplikasi serius jika tidak terdeteksi dini. Diagnosis konvensional yang bergantung pada pemeriksaan laboratorium dan analisis manual tenaga medis sering kali memerlukan waktu serta kurang efisien untuk skrining masal. Perkembangan teknologi informasi memungkinkan pemanfaatan data medis dan penerapan machine learning sebagai solusi untuk deteksi dini diabetes. Penelitian ini bertujuan membangun model prediksi diabetes menggunakan algoritma Random Forest, mengevaluasi kinerjanya berdasarkan metrik accuracy, precision, recall, F1-score, dan AUC, serta mengidentifikasi variabel yang paling berpengaruh terhadap risiko diabetes. Metode yang digunakan adalah supervised learning dengan data sekunder dari Kaggle sebanyak 100.000 pasien. Tahapan penelitian meliputi data preprocessing, pembagian data training dan testing (rasio 80:20), pembangunan model Random Forest menggunakan Python di Google Colab, serta evaluasi kinerja dengan confusion matrix. Hasil menunjukkan bahwa model memperoleh akurasi 97,03% dengan nilai precision, recall, dan F1-score tinggi pada kedua kelas, meskipun performa pada kelas minoritas (pasien diabetes) masih perlu ditingkatkan untuk meminimalkan false negative. Dengan demikian, algoritma Random Forest efektif sebagai sistem pendukung keputusan untuk skrining dini diabetes secara lebih akurat dan efisien.

• Diabetes mellitus
• Machine Learning
• Random Forest
• Evaluasi model

https://repository.bsi.ac.id/repo/82110/PENERAPAN-ALGORITMA-RANDOM-FOREST-UNTUK-PREDIKSI-PENYAKIT-DIABETES-BERDASARKAN-DATA-MEDIS-PASIEN
File full-text dikunci.