Perbandingan Support Vector Machine dan Modified Balanced Random Forest dalam Deteksi Pasien Penyakit Diabetes

摘要

Diabetes (kencing manis) merupakan suatu kelainan metabolik yang disebabkan oleh tingginya tingkat kandungan gula dalam darah yang diakibatkan oleh gangguan pada pankreas dan insulin. Menurut data dari Kementrian Kesehatan Republik Indonesia, Diabetes merupakan penyebab kematian terbesar nomor 3 di Indonesia dengan persentase sebesar 6,7. Tingginya tingkat kematian akibat diabetes mendorong dilakukan penelitian ini, dengan tujuan untuk deteksi dini. Pada penilitian ini akan menggunakan pendekatan Machine Learning untuk melakukan klasifikasi datanya. Dalam makalah ini, dibahas perbandingan Suport Vector Machine (SVM) dan Modified Balanced Random Forest (MBRF) untuk melakukan klasifikasi data pasien diabetes. Kedua metode dipilih karena terbukti pada penelitian sebelumnya mendapatkan akurasi yang tinggi, sehingga kedua metode tersebut dibandingkan untuk mencari model klasifikasi yang terbaik. Beberapa metode preprocessing dilakukan untuk mempersiapkan data agar dapat di lakukan proses klasifikasi. Seluruh kombinasi tahapan dari preprocessing akan dilakukan terhadap kedua metode klasifikasi untuk menghasilkan dataset yang sama juga. Evaluasi dilakukan menggunakan metode Confusion Matrix Berdasarkan hasil eksperimen dalam proses pengujian sistem yang dibangun, diperoleh hasil performasi maksimum 87,94 dengan menggunakan SVM dan 97,8 dengan menggunakan MBRF.