STUDI KOMPARATIF: EVALUASI PERFORMA ALGORITMA ARTIFICIAL NEURAL NETWORK DENGAN ALGORITMA MACHINE LEARNING DALAM KLASIFIKASI PENYAKIT DIABETES

Abstract

Diabetes adalah penyakit kronis yang ditandai dengan tingginya kadar gula darah dan memerlukan deteksi dini untuk pengelolaan optimal. Karena gejalanya berkembang lambat, diagnosis sering terlambat. Untuk mengatasi hal ini, penelitian terkini memanfaatkan Machine Learning (ML) dan Deep Learning (DL) dalam deteksi dini diabetes. Penelitian ini membandingkan performa algoritma DL (ANN) dan ML (SVM, KNN, Decision Tree, dan Random Forest) berdasarkan akurasi, presisi, recall, dan F1-score. Data yang digunakan berasal dari 486 rekam medis pasien Puskesmas Sri Padang, terdiri atas atribut numerik berupa BMI, kadar gula, tekanan darah, kolesterol, asam urat dan kategorikal berupa gejala klinis. Hasil menunjukkan ANN memiliki akurasi 83,87%, KNN 91,12%, Decision Tree 95,16%, dan SVM 82,25%. Random Forest menunjukkan performa terbaik dengan akurasi 97,58%, precision 95,83%, recall 100%, dan F1-score 97,87%. Dengan teknik ensemble learning, Random Forest terbukti paling andal dalam klasifikasi diabetes.