Implementasi Artificial Intelligence Dalam Prediksi Penyakit Diabetes Menggunakan Algoritma Binary Classification

Hanna Yunita; Ellbert Hutabri

doi:10.52303/jb.v7i2.173

Hanna Yunita Universitas Putera Batam
Ellbert Hutabri Universitas Putera Batam

DOI: https://doi.org/10.52303/jb.v7i2.173

Keywords: Kecerdasan Buatan, AutoAI, Klasifikasi Biner, Prediksi Diabetes, IBM Cloud Pak for Data

Abstract

Deteksi dini terhadap risiko diabetes melitus menjadi langkah penting dalam upaya pencegahan penyakit kronis yang terusmeningkat. Penelitian ini bertujuan mengembangkan model prediksi otomatis menggunakan pendekatan klasifikasi biner berbasis kecerdasan buatan (Artificial Intelligence). Implementasi dilakukan melalui AutoAI dalam IBM Cloud Pak for Data, menggunakan dataset terstruktur yang terdiri dari 724 data dan delapan parameter medis, seperti kadar glukosa, BMI, insulin, dan usia. Proses praproses data dilakukan secara manual sebelum dibagi menjadi data latih dan data uji. AutoAImengotomatiskan proses pemilihan algoritma, rekayasa fitur, dan evaluasi model. Algoritma Gradient Boosted Classifier terpilih sebagai model terbaik dengan akurasi holdout sebesar 81,8%, precision 66,7%, dan recall 90,9%. Hasil inimenunjukkan bahwa model mampu mengenali pola kompleks dalam data medis dan memberikan prediksi risiko diabetes yang andal. Penelitian ini menegaskan potensi AutoAI sebagai alat yang efektif untuk mendukung deteksi dini penyakitkronis, khususnya dalam proses pengambilan keputusan klinis.

References

[1]M. G. C. Yuantari, “KAJIAN LITERATUR: HUBUNGAN ANTARA POLA MAKAN DENGAN KEJADIAN DIABETES MELITUS,” JKM (Jurnal Kesehatan Masyarakat) Cendekia Utama, vol. 9, no. 2, 2022, doi: 10.31596/jkm.v9i2.672.
[2]“DINAS KESEHATAN - PPID Pemprov Kepri.” Accessed: Apr. 30, 2025. [Online]. Available: https://ppid.kepriprov.go.id/daftar-ppid/lihat/13
[3]D. Wira, T. Putra, and R. Andriani, “Unified Modelling Language (UML) dalam Perancangan Sistem Informasi Permohonan Pembayaran Restitusi SPPD,” vol. 7, no. 1, 2019.
[4]H. T. Sihotang, “Perancangan Aplikasi Sistem Pakar Diagnosa Diabetes Dengan Metode Bayes,” Jurnal Manik Penusa, vol. 1, no. 1, 2017.
[5]American Diabetes Association, “Diagnosis and Classification of Diabetes Mellitus,” Diabetes Care, vol. 37, no. Supplement_1, pp. S81–S90, Jan. 2014, doi: 10.2337/dc14-S081.
[6]D. N. Fitriani, “Prediksi PREDIKSI TINGKAT OBESITAS MENGGUNAKAN NEURAL NETWORK: PENDEKATAN KLASIFIKASI BINER,” PARAMETER: Jurnal Matematika, Statistika dan Terapannya, vol. 3, no. 01, pp. 85–92, Apr. 2024, doi: 10.30598/parameterv3i01pp85-92.
[7]I. Tasin, T. U. Nabil, S. Islam, and R. Khan, “Diabetes prediction using machine learning and explainable AI techniques,” Healthc Technol Lett, vol. 10, no. 1–2, 2023, doi: 10.1049/htl2.12039.
[8]H. S. W. Hovi, A. Id Hadiana, and F. Rakhmat Umbara, “Prediksi Penyakit Diabetes Menggunakan Algoritma Support Vector Machine (SVM),” Informatics and Digital Expert (INDEX), vol. 4, no. 1, 2022, doi: 10.36423/index.v4i1.895.
[9]M. Salsabil, N. L. Azizah, and A. Eviyanti, “Implementasi Data Mining Dalam Melakukan Prediksi Penyakit Diabetes Menggunakan Metode Random Forest Dan Xgboost,” Jurnal Ilmiah Komputasi, vol. 23, no. 1, pp. 51–58, 2024.
[10]D. Devian, P. Nurul Sabrina, and A. Komarudin, “PREDIKSI PENYAKIT DIABETES DENGAN METODE K-NEAREST NEIGHBOR (KNN) DAN SELEKSI FITUR INFORMATION GAIN,” JATI (Jurnal Mahasiswa Teknik Informatika), vol. 8, no. 6, pp. 11320–11326, Nov. 2024, doi: 10.36040/jati.v8i6.11364.
[11]R. P. Fadhillah, R. Rahma, A. Sepharni, R. Mufidah, B. N. Sari, and A. Pangestu, “Klasifikasi Penyakit Diabetes Mellitus Berdasarkan Faktor-Faktor Penyebab Diabetes menggunakan Algoritma C4.5,” JIPI (Jurnal Ilmiah Penelitian dan Pembelajaran Informatika), vol. 7, no. 4, 2022, doi: 10.29100/jipi.v7i4.3248.
[12]Ibm, “Documentation for Cloud Pak for Data as a Service - Docs | IBM Cloud Pak for Data as a Service.” Accessed: May 13, 2025. [Online]. Available: https://dataplatform.cloud.ibm.com/docs/content/wsj/getting-started/welcome-main.html?context=cpdaas
[13]A. J. E. Oktavianus, L. Naibaho, and D. A. Rantung, “Pemanfaatan Artificial Intelligence pada Pembelajaran dan Asesmen di Era Digitalisasi,” JURNAL KRIDATAMA SAINS DAN TEKNOLOGI, vol. 5, no. 02, 2023, doi: 10.53863/kst.v5i02.975.
[14]Wilianto, Yuliana, A. Suwandhi, Jimmy, and J. Putra, “Penerapan AI dalam Menentukan Harga Mobil Bekas Berdasarkan Tahun Perakitan,” Jurnal Minfo Polgan, vol. 13, no. 1, pp. 550–560, Jun. 2024, doi: 10.33395/jmp.v13i1.13728.
[15]A. Fathurohman, “Machine Learning Untuk Pendidikan: Mengapa Dan Bagaimana,” Jurnal Informatika dan Teknologi Komputer (JITEK), vol. 1, no. 3, 2021.
[16]D. Sebastian, “Implementasi Algoritma K-Nearest Neighbor untuk Melakukan Klasifikasi Produk dari beberapa E-marketplace,” Jurnal Teknik Informatika dan Sistem Informasi, vol. 5, no. 1, 2019, doi: 10.28932/jutisi.v5i1.1581.
[17]M. A. Wiratama and W. M. Pradnya, “Optimasi Algoritma Data Mining Menggunakan Backward Elimination untuk Klasifikasi Penyakit Diabetes,” Jurnal Nasional Pendidikan Teknik Informatika (JANAPATI), vol. 11, no. 1, p. 1, Apr. 2022, doi: 10.23887/janapati.v11i1.45282.
[18]M. K. Murtiningsih, K. Pandelaki, and B. P. Sedli, “Gaya Hidup sebagai Faktor Risiko Diabetes Melitus Tipe 2,” e-CliniC, vol. 9, no. 2, 2021, doi: 10.35790/ecl.v9i2.32852.