Prediksi risiko terdiagnosis penyakit diabetes menggunakan metode Random Forest

Abstract

Diabetes adalah salah satu penyakit kronis yang diderita oleh hampir 537 juta orang dewasa di dunia. Penggunaan metode pembelajaran mesin untuk kebutuhan kesehatan telah banyak dilakukan, termasuk diantaranya untuk prediksi diagnosis penyakit diabetes. Salah satu metode yang dapat digunakan untuk memprediksi diagnosis diabetes adalah metode Random Forest. Metode Random Forest telah terbukti efektif dalam berbagai aplikasi prediksi dan klasifikasi. Random Forest adalah metode ensemble learning yang memanfaatkan sejumlah besar pohon keputusan untuk memperoleh prediksi akurat. Model yang dibangun kemudian dievaluasi menggunakan Matriks Konfusi untuk mengevaluasi model. Penelitian ini menggunakan Pima Indian Diabetes Dataset dan 130 US Hospital Dataset dengan skala data yang berbeda. Proses pengolahan data dilakukan dengan dan tanpa resampling. Hasil evaluasi model menunjukkan metode Random Forest dapat diandalkan pada data skala kecil maupun besar. Selain itu, data dengan resampling menunjukkan performa yang lebih baik dan meminimumkan risiko kesalahan prediksi.