PERANCANGAN SISTEM PREDIKSI RISIKO DIABETES MENGGUNAKAN LOGISTIC REGRESSION DAN RANDOM FOREST
DOI:
https://doi.org/10.31949/infotech.v11i2.16668Abstract
Penelitian ini bertujuan merancang sistem prediksi risiko diabetes menggunakan algoritma Logistic Regression dan Random Forest dengan memanfaatkan dataset Pima Indians Diabetes. Tahap pra-pemrosesan meliputi imputasi nilai nol pada fitur medis dan normalisasi data sebelum dibagi menjadi data latih dan uji. Kedua model dilatih secara paralel, dan model terbaik dipilih berdasarkan nilai F1-Score untuk meningkatkan akurasi pendeteksian pasien dengan diabetes (Outcome = 1). Evaluasi performa menggunakan metrik akurasi, presisi, recall, F1-Score, dan confusion matrix menunjukkan bahwa Random Forest memberikan performa terbaik dengan akurasi 74%, F1-Score 0,82 untuk kelas Tidak Diabetes, dan 0,59 untuk kelas Diabetes. Sistem ini diintegrasikan ke antarmuka Gradio interaktif, memungkinkan pengguna memasukkan parameter medis dan memperoleh prediksi risiko secara real-time. Hasil penelitian menunjukkan bahwa sistem mampu mendukung deteksi dini diabetes secara efisien, meskipun perlu peningkatan untuk mengurangi kesalahan False Negative pada pasien positif diabetes.
Keywords:
diabetes, Logistic Regression, Random Forest, Machine LearningDownloads
References
Ahmad Nur Ihsan Purwanto, Muhammad Naufal Ammr Dzakwan, & Fadillah Dani Prawoto. (2025). Tren dan Perkembagan Supervised versus Unsupervised Learning. Jurnal Teknik Informatika Dan Teknologi Informasi, 5(2), 619–625. https://doi.org/10.55606/jutiti.v5i2.5742
Ali, A. A., Galal, G. R., & Hassan, H. S. (2025). Diabetes Prediction on Pima Indian Dataset Using Machine Learning Techniques. International Journal of Environmental Sciences, 529–550. https://doi.org/10.64252/3a8wqx36
Ardini, F., & Halim, S. (2023). HUBUNGAN HBA1C DENGAN KOMPLIKASI MAKROVASKULAR PADA DMT2 DI RS HERMINA KEMAYORAN 2022. Jurnal Kesehatan Tambusai, 4(4), 6772–6778. https://doi.org/10.31004/jkt.v4i4.22366
Barbierato, E., & Gatti, A. (2024). The Challenges of Machine Learning: A Critical Review. Electronics, 13(2), 416. https://doi.org/10.3390/electronics13020416
Bilous, R., Donnelly, R., & Idris, I. (2021). Handbook of Diabetes. John Wiley & Sons.
Decroli, E. (2022). Mekanisme Molekuler Dari Resistensi Insulin Pada Diabetes Melitus Tipe Dua. Majalah Kedokteran Andalas, 45(4), 610–618. https://doi.org/10.25077/mka.v45.i4.p610-618.2022
Duncan, B. B., Magliano, D. J., & Boyko, E. J. (2025). IDF Diabetes Atlas 11th edition 2025: global prevalence and projections for 2050. Nephrology Dialysis Transplantation. https://doi.org/10.1093/ndt/gfaf177
Ginting, J., Ginting, R., & Hartono, H. (2022). DETEKSI DAN PREDIKSI PENYAKIT DIABETES MELITUS TIPE 2 MENGGUNAKAN MACHINE LEARNING (SCOOPING REVIEW). Jurnal Keperawatan Priority, 5(2), 93–105. https://doi.org/10.34012/jukep.v5i2.2671
Guzman-Vilca, W. C., & Carrillo-Larco, R. M. (2025). Number of People with Type 2 Diabetes Mellitus in 2035 and 2050: A Modelling Study in 188 Countries. Current Diabetes Reviews, 21(1). https://doi.org/10.2174/0115733998274323231230131843
Inonu, O. Y., Magda, K., & Amarudin, A. (2025). Analisis Kinerja Algoritma Random Forest Dengan Model Machine Learning Pada Dataset Penyakit Diabetes. EXPERT: Jurnal Manajemen Sistem Informasi Dan Teknologi, 15(1), 1. https://doi.org/10.36448/expert.v15i1.4312
Nurhalizah, R. S., Ardianto, R., & Purwono, P. (2024). Analisis Supervised dan Unsupervised Learning pada Machine Learning: Systematic Literature Review. Jurnal Ilmu Komputer Dan Informatika, 4(1), 61–72. https://doi.org/10.54082/jiki.168
Paisal, P., Arifin, A. Y., & Primasari, P. (2024). Komplikasi Kardiovaskuler dan Ginjal Pasien Diabetes Melitus di Rumah Sakit Rujukan. PROSIDING KONFERENSI NASIONAL ILMU KESEHATAN STIKES ADI HUSADA 2023, 2(1), 33. https://doi.org/10.37036/prosiding.v2i1.601
Rassiyanti, L., Farid, F., & Pitri, R. (2025). Diabetes risk prediction using logistic regression model. Desimal: Jurnal Matematika, 8(1), 41–50. https://doi.org/10.24042/djm.v8i1.26493
Trisal, A., & Mandloi, D. (2021). MACHINE LEARNING: AN OVERVIEW. International Journal of Research -GRANTHAALAYAH, 9(7), 343–348. https://doi.org/10.29121/granthaalayah.v9.i7.2021.4120
Widiasari, K. R., Wijaya, I. M. K., & Suputra, P. A. (2021). DIABETES MELITUS TIPE 2: FAKTOR RISIKO, DIAGNOSIS, DAN TATALAKSANA. Ganesha Medicine, 1(2), 114. https://doi.org/10.23887/gm.v1i2.40006
Published
How to Cite
Issue
Section
License
Copyright (c) 2025 Samuel Paul Jackson Simanjuntak, Rafi Abdul Aziz, Ichwan Agil Prasetyo, M. Raihan Al Ikhsan, Abiath Cio, Sigit Wibawa, Muhammad Muharrom
This work is licensed under a Creative Commons Attribution-ShareAlike 4.0 International License.
