Pengembangan Prediksi Diabetes Tahap Awal: Studi Komparatif Metode Oversampling Data dan Klasifikasi

Melody D'Viola, Michelle (2025) Pengembangan Prediksi Diabetes Tahap Awal: Studi Komparatif Metode Oversampling Data dan Klasifikasi. Bachelor Thesis, Universitas Multimedia Nusantara.

	PDF HALAMAN_AWAL.pdf Download (744kB)
	PDF ARTIKEL.pdf Download (745kB)
	PDF TURNITIN.pdf Download (190kB)
	PDF LAMPIRAN.pdf Restricted to Registered users only Download (1MB)
	PDF LETTER_OF_ACCEPTANCE.pdf Download (159kB)

Abstract

Diabetes merupakan penyakit kronis yang umum dan terus meningkat secara global, dengan sejumlah besar kasus yang belum terdiagnosis. Diperlukan model prediksi tahap awal yang optimal untuk mendukung pencegahan dini. Penelitian ini mengkaji kombinasi teknik oversampling dengan metode klasifikasi guna menentukan model yang paling optimal untuk prediksi diabetes tahap awal. Pertama, data diperluas ke dalam dua skenario menggunakan metode Synthetic Minority Over-sampling Technique (SMOTE) dan Adaptive Synthetic Sampling (ADASYN) untuk mengatasi ketidakseimbangan kelas. Random Forest (RF), Extreme Gradient Boosting (XGB), Multilayer Perceptron (MLP), serta model hibrida yang menggabungkan dua metode klasifikasi tersebut dievaluasi untuk menentukan model yang paling efektif. Kombinasi SMOTE dengan Random Forest (SMOTE + RF), ADASYN dengan Random Forest (ADASYN + RF), serta ADASYN dengan gabungan Extreme Gradient Boosting dan Multilayer Perceptron (ADASYN + XGB-MLP) menunjukkan akurasi tertinggi sebesar 99,04% dengan skor F1 sebesar 0,99. Penggabungan teknik oversampling dengan metode klasifikasi ini meningkatkan akurasi prediksi sekaligus mengatasi ketidakseimbangan kelas, sehingga menjadi alat yang berguna untuk deteksi dini diabetes.

Item Type:	Thesis (Bachelor Thesis)
Creators:	Melody D'Viola, Michelle (00000053492)
Contributors:	Sunardi Oetama, Raymond
Keywords:	Diabetes Tahap Awal, Klasifikasi, Oversampling
Subjects:	000 Computer Science, Information and General Works > 000 Computer Science, Knowledge and Systems > 004 Computer Science, Data Processing, Hardware > 004.2 Systems Analysis and Design, Information Architecture, Performance Evaluation
Divisions:	Faculty of Engineering & Informatics > Information System
Date Deposited:	01 Jul 2025 07:46
URI:	https://kc.umn.ac.id/id/eprint/37501

Actions (login required)

View Item