Penerapan Model Random Forest Untuk Prediksi Pola Terjadinya Penyakit Diabetes Dengan Pendekatan Machine Learning
Article Sidebar
Main Article Content
Abstract
Penelitian ini bertujuan untuk memprediksi risiko diabetes dengan memanfaatkan rekam medis pasien di Puskesmas Ngali menggunakan algoritma Random Forest. Kasus diabetes melitus terus meningkat, tetapi deteksi dini masih kurang optimal karena gejala awal sulit dikenali dan penggunaan data kesehatan untuk prediksi risiko masih terbatas. Oleh karena itu, dibutuhkan metode pembelajaran mesin untuk membantu memprediksi risiko diabetes secara lebih akurat. Data yang digunakan terdiri dari variabel seperti kadar gula darah, tekanan darah, indeks massa tubuh (BMI), dan usia sebagai variabel prediktor, sedangkan status diabetes digunakan sebagai variabel target. Tahapan penelitian meliputi pengumpulan data, pra-pemrosesan data, pembagian data pelatihan dan pengujian, pengembangan model, dan evaluasi kinerja menggunakan akurasi, presisi,recall, dan F1-score. Hasil menunjukkan bahwa algoritma Random Forest mampu memberikan kinerja klasifikasi yang baik dan stabil dalam memprediksi risiko diabetes. Selain itu, hasil analisis menunjukkan bahwa indeks massa tubuh, kadar gula darah, dan usia merupakan variabel yang paling berpengaruh dalam prediksi diabetes. Dengan demikian, model yang dihasilkan berpotensi digunakan sebagai alat deteksi dini diabetes dan untuk mendukung pengambilan keputusan dalam pelayanan kesehatan.
Article Details
This work is licensed under a Creative Commons Attribution-ShareAlike 4.0 International License.
Jurnal Sistem dan Informatika (JSI) bersifat open access, yaitu dapat diakses secara umum tanpa dikenakan biaya. Penulis yang menerbitkan artikelnya di JSI setuju dengan ketentuan berikut:- JSI menggunakan perjanjian lisensi ekslusif, yaitu penulis memegang hak cipta atas artikel dan memberikan hak publikasi kepada Jurnal Sistem dan Informatika (JSI).
- JSI mempunyai hak ekslusif untuk mempublikasi dan mendistribusikan artikel secara sebagian atau keseluruhan, dan memberikan hak kepada orang lain sesuai dengan lisensi yang digunakan.
- JSI berhak untuk menyediakan artikel dalam berbagai bentuk dan media, sehingga artikel dapat digunakan untuk teknologi terbaru bahkan setelah dipublikasikan.
- JSI berhak untuk menegakkan hak-hak atas nama penulis pada artikel terhadap pihak ketiga. Misalnya dalam kasus plagiarisme atau pelanggaran hak cipta.
- Artikel harus dirujuk, link terhadap lisensi harus disediakan, dan jika terdapat bagian artikel yang diubah harus ditandai.
- Jika artikel disadur sehingga terdapat perubahan, hasil saduran harus didistribusikan menggunakan lisensi yang sama.
- Tidak diperkenankan untuk membatasi orang lain terhadap apa yang diperbolehkan oleh lisensi.
References
[1] B. M. Index et al., “Indeks Massa Tubuh , Lingkar Perut Dan Gula Darah Puasa Pada Tenaga Pendidik Wanita Poltekkes Kemenkes Bengkulu,” vol. 25, no. 3, pp. 218–224, 2025.
[2] A. Z. Andhani, S. N. Ismanda, and R. K. Apriyani, “Penyuluhan Deteksi Dini Diabetes Melitus Sebagai Penyakit Tidak Menular di Kelurahan Andir Kabupaten Bandung,” vol. 7, pp. 566–576, 2026.
[3] P. Dan and D. Dini, “Jurnal Pengabdian Masyarakat,” vol. 2, no. 6, pp. 530–541, 2025.
[4] A. Davinka Sembiring Depari, C. Cha Kirana, C. Nissa Oktariana, F. Akbar, and F. Fathoni, “Prediksi Risiko Diabetes Dengan Metode Naive Bayes: Identifikasi Faktor Risiko Utama Dan Evaluasi Akurasi Model,” JATI (Jurnal Mhs. Tek. Inform., vol. 9, no. 4, pp. 6372–6377, 2025, doi: 10.36040/jati.v9i4.14078.
[5] Rini Oktaviani1, “Faktor-Faktor Risiko Yang Berhubungan Dengan Kejadian Diabetes Melitus Pada Usia Dewasa Di Indonesia,” J. Kesehat. Bidkemas, vol. 15, no. 2, pp. 91–99, 2024, doi: 10.48186/f6qtd712.
[6] M. Anita et al., “KLASIFIKASI FAKTOR RISIKO PENYAKIT JANTUNG MENGGUNAKAN MACHINE,” vol. 16, no. c, pp. 68–78, 2025.
[7] D. Manurung, B. Zealtiel, and A. H. Lubis, “Prediksi Produksi Tanaman Padi di Indonesia dengan Menggunakan Algoritma Random Forest Regressor,” vol. 4, no. 3, pp. 337–345, 2025, doi: 10.47065/comforch.v4i3.2125.
[8] M. C. Ibrahim, “Comparison of Diabetes Prediction Data Using Machine Learning Perbandingan Data Prediksi Diabetes Menggunakan Machine Learning,” vol. 5, no. October, pp. 1423–1436, 2025.
[9] J. Teknologi, “Evaluasi Model Ensemble Learning pada Identifikasi Faktor Risiko Diabetes Mellitus Evaluation of Ensemble Learning Models in Identifying Risk Factors for Diabetes Mellitus,” vol. 15, no. September, pp. 121–130, 2025, doi: 10.34010/jati.v15i2.16238.
