Optimasi Prediksi Diabetes Dengan Algoritma XGBoost Dan Teknik Preprocessing Data
Keywords:
Diabetes, Machine Learning, XGBoost, Deteksi Dini, Confusion MatrixAbstract
Diabetes adalah penyakit metabolik kronis yang menjadi tantangan kesehatan global dengan prevalensi yang terus meningkat. Dalam upaya meningkatkan deteksi dini, penelitian ini menggunakan algoritma XGBoost (Extreme Gradient Boosting) untuk klasifikasi data diabetes. Model dikembangkan dengan tahapan preprocessing data yang komprehensif dan diuji pada dataset yang seimbang. Evaluasi performa model dilakukan menggunakan confusion matrix dan classification report. Hasil penelitian menunjukkan bahwa model memiliki akurasi 98%, precision 98%, recall 97%-99%, dan F1-score 98% pada kedua kelas (positif dan negatif). Confusion matrix mencatat True Positive (TP) sebanyak 201, True Negative (TN) sebanyak 190, False Positive (FP) sebanyak 6, dan False Negative (FN) sebanyak 3. Analisis lebih lanjut menunjukkan bahwa model memiliki performa yang sangat konsisten tanpa bias terhadap salah satu kelas. Dibandingkan dengan penelitian sebelumnya, model ini menunjukkan peningkatan akurasi yang signifikan hingga lebih dari 15%, dengan metode terbaik sebelumnya, yaitu Naive Bayes, hanya mencapai akurasi 82,3%. Keunggulan ini menjadikan algoritma XGBoost yang diterapkan dalam penelitian ini sebagai pendekatan yang lebih andal dan efektif untuk deteksi diabetes. Hasil penelitian ini memberikan kontribusi baru dalam pengembangan sistem prediksi berbasis data untuk mendukung pengambilan keputusan klinis.
References
A. Rahim, A. M., Inggrid Yanuar Risca Pratiwi, & Muhammad Ainul Fikri. (2023). Klasifikasi Penyakit Jantung Menggunakan Metode Synthetic Minority Over-Sampling Technique Dan Random Forest Clasifier. Indonesian Journal of Computer Science, 12(5). https://doi.org/10.33022/ijcs.v12i5.3413
Anwari, R. H. (2021). Dampak Konsumsi Kopi pada Penurunan Kadar Glukosa Darah Penderita Diabetes Mellitus Tipe 2. Jurnal Penelitian Perawat Profesional, 3(3), 531–540. https://doi.org/10.37287/jppp.v3i3.543
Buda, M., Maki, A., & Mazurowski, M. A. (2018). A systematic study of the class imbalance problem in convolutional neural networks. Neural Networks, 106, 249–259. https://doi.org/10.1016/j.neunet.2018.07.011
Cobre, A. de F., Stremel, D. P., Noleto, G. R., Fachi, M. M., Surek, M., Wiens, A., Tonin, F. S., & Pontarolo, R. (2021). Diagnosis and prediction of COVID-19 severity: can biochemical tests and machine learning be used as prognostic indicators? Computers in Biology and Medicine, 134, 104531. https://doi.org/10.1016/j.compbiomed.2021.104531
Dai, W., & Genton, M. G. (2018). Functional boxplots for multivariate curves. Stat, 7(1). https://doi.org/10.1002/sta4.190
Denggos, Y. (2023). Penyakit Diabetes Mellitus Umur 40-60 Tahun di Desa Bara Batu Kecamatan Pangkep. Healthcaring: Jurnal Ilmiah Kesehatan, 2(1), 55–61. https://doi.org/10.47709/healthcaring.v2i1.2177
Fernández, A., García, S., Galar, M., Prati, R. C., Krawczyk, B., & Herrera, F. (2018). Learning from Imbalanced Data Sets. Springer International Publishing. https://doi.org/10.1007/978-3-319-98074-4
Haibo He, & Garcia, E. A. (2009). Learning from Imbalanced Data. IEEE Transactions on Knowledge and Data Engineering, 21(9), 1263–1284. https://doi.org/10.1109/TKDE.2008.239
Hinterberger, H. (2018). Exploratory Data Analysis. In Encyclopedia of Database Systems (pp. 1413–1414). Springer New York. https://doi.org/10.1007/978-1-4614-8265-9_1384
J, A. (2019). GAMBARAN TINGKAT PENGETAHUAN PASIEN DIABETES MELITUS TIPE 2 TENTANG MANAJEMEN DIABETES MELITUS. Media Keperawatan: Politeknik Kesehatan Makassar, 10(2), 19. https://doi.org/10.32382/jmk.v10i2.1334
KOWALSKI, P. A., LŁUKASIK, S., & KULCZYCKI, P. (2017). Methods of Collective Intelligence in Exploratory Data Analysis: A Research Survey. Proceedings of the International Conference on Computer Networks and Communication Technology (CNCT 2016). https://doi.org/10.2991/cnct-16.2017.1
Krawczyk, B. (2016). Learning from imbalanced data: open challenges and future directions. Progress in Artificial Intelligence, 5(4), 221–232. https://doi.org/10.1007/s13748-016-0094-0
Nazliansyah, Amiruddin, & Lubis, A. Y. S. (2022). Peningkatan Health Promotion Behavior pada Penderita Diabetes Mellitus Tipe 2 di Wilayah Kerja Puskesmas Tanjung Binga Kabupaten Belitung. Jurnal Pengabdian Masyarakat Bestari, 1(7), 659–668. https://doi.org/10.55927/jpmb.v1i7.1596
Nizar, M., & Amelia, R. (2022). Hubungan Kadar Trigliserida Dengan Kadar Glukosa Pada Penderita Diabetes Melitus Tipe 2 di RS Krakatau Medika. Journal of Medical Laboratory Research, 1(1), 7–12. https://doi.org/10.36743/jomlr.v1i1.432
Nunik Purnamasari, Nuzirwan Acang, & Harvi Puspa Wardani. (2024). Pengaruh Diabetes Melitus Tipe 2 Tidak Terkontrol terhadap Komplikasi Nefropati Diabetik. Bandung Conference Series: Medical Science, 4(1), 495–501. https://doi.org/10.29313/bcsms.v4i1.11035
Nyayu Mevia Fiqi, & Zulmansyah. (2021). Gambaran Tingkat Pengetahuan Siswa SMA Negeri Kelas XII di Kota Bandung tentang Penyakit Diabetes Mellitus Tipe 2. Jurnal Riset Kedokteran, 1(2), 66–70. https://doi.org/10.29313/jrk.v1i2.437
Putri, D. P., Prabowo, N. A., Myrtha, R., Apriningsih, H., & Hermawati, B. D. (2021). PENGELOLAAN PENYAKIT DIABETES MELLITUS TIPE 2 MELALUI PEMBERDAYAAN PENDERITA DIABETES MELLITUS DI RUMAH SAKIT UNS. LOGISTA - Jurnal Ilmiah Pengabdian Kepada Masyarakat, 5(2), 224. https://doi.org/10.25077/logista.5.2.224-229.2021
Putri, L. A. R., & Ellyani Abadi. (2021). Pengaruh Pemberian Omega 3 (EPA+DHA) Terhadap Kadar Gula Darah Penderita Diabetes Melitus Tipe 2 di Kota Kendari. Media Publikasi Promosi Kesehatan Indonesia (MPPKI), 5(1), 91–94. https://doi.org/10.56338/mppki.v5i1.2106
Putri Nurhayati, Achmad Mujahidin Irham, I Dewa Bagus Ketut Widya Pramana, & Herpan Syafii Harahap. (2022). HbA1c Sebagai Kandidat Biomarker untuk Prediksi Progesivitas Gangguan Kognitif Terkait Diabetes Melitus Tipe 2. Unram Medical Journal, 11(1), 732–738. https://doi.org/10.29303/jk.v11i1.4342
Rahim, A. M. A., Sunyoto, A., & Arief, M. R. (2022). Stroke Prediction Using Machine Learning Method with Extreme Gradient Boosting Algorithm. MATRIK : Jurnal Manajemen, Teknik Informatika Dan Rekayasa Komputer, 21(3), 595–606. https://doi.org/10.30812/matrik.v21i3.1666
Ramadona, A., Rustam, E., & Syauqie, M. (2021). Hubungan Kepatuhan Minum Obat dengan Munculnya Gejala Neuropati Pada Pasien Diabetes Melitus Tipe 2 Di Puskesmas Andalas. Jurnal Farmasi Higea, 13(1), 14. https://doi.org/10.52689/higea.v13i1.326
Salasa, R. A., Rahman, H., & Andiani, A. (2019). Faktor Risiko Diabetes Mellitus Tipe 2 Pada Populasi Asia: A systematic Review. JURNAL BIOSAINSTEK, 1(01), 95–107. https://doi.org/10.52046/biosainstek.v1i01.306
Sumah, D. F. (2018). HUBUNGAN AKTIVITAS FISIK DAN KUALITAS TIDUR DENGAN KADAR GULA DARAH SEWAKTU PADA PASIEN DIABETES MELITUS TIPE 2 DI POLIKLINIK PENYAKIT DALAM RSUD dr. M. HAULUSSY AMBON. https://doi.org/10.31227/osf.io/9jxg8
Wahyuni, K. I., Prayitno, A. A., & Wibowo, Y. I. (2019a). Efektivitas Edukasi Pasien Diabetes Mellitus Tipe 2 Terhadap Pengetahuan dan Kontrol Glikemik Rawat Jalan di RS Anwar Medika. Jurnal Pharmascience, 6(1), 1. https://doi.org/10.20527/jps.v6i1.6069
Wahyuni, K. I., Prayitno, A. A., & Wibowo, Y. I. (2019b). Efektivitas Edukasi Pasien Diabetes Mellitus Tipe 2 Terhadap Pengetahuan dan Kontrol Glikemik Rawat Jalan di RS Anwar Medika. Jurnal Pharmascience, 6(1), 1. https://doi.org/10.20527/jps.v6i1.6069
Widyana, A. R., & Afriansyah, M. A. (2022). Penyuluhan dan Pemeriksaan Kadar HbA1c pada Pasien Diabetes Mellitus Tipe 2 di RSUD Suradadi. JURNAL INOVASI DAN PENGABDIAN MASYARAKAT INDONESIA, 1(3), 6–9. https://doi.org/10.26714/jipmi.v1i3.23
