Sistem Prediksi Penyakit Diabetes Menggunakan Random Forest Berbasis Web

Abstract

Peningkatan prevalensi diabetes melitus (DM) menuntut adanya sistem deteksi dini yang akurat
dan efisien. Penelitian ini bertujuan untuk mengembangkan sistem prediksi diabetes berbasis web
menggunakan algoritma Random Forest. Metode yang digunakan meliputi pengumpulan data dari
dataset terbuka, preprocessing data, pembagian dataset menjadi data latih, validasi, dan uji, serta
penerapan model Random Forest dalam sistem berbasis web. Hasil penelitian menunjukkan bahwa
model yang dikembangkan memiliki akurasi sebesar 97% dengan performa yang baik dalam
mengklasifikasikan individu berisiko diabetes. Evaluasi menggunakan confusion matrix dan ROC
curve menunjukkan keandalan sistem dalam membedakan individu dengan dan tanpa diabetes.
Implementasi sistem ini memungkinkan deteksi dini yang lebih mudah dan cepat, terutama di
daerah dengan keterbatasan fasilitas kesehatan. Kontribusi penelitian ini terletak pada penggunaan
machine learning dalam meningkatkan efektivitas prediksi diabetes serta mendukung upaya
pencegahan dan intervensi dini untuk mengurangi dampak penyakit ini.
Kata kunci: diabetes mellitus, prediksi, machine learning, Random Forest, deteksi dini.