Penerapan Algoritma Support Vector Machine Dalam Prediksi Diabetes Melitus Menggunakan Data Pasien Rsud Prof. Dr. Margono Soekarjo

Abstract

Diabetes Melitus (DM) adalah penyakit kronis
yang semakin meningkat prevalensinya setiap tahun dan
menjadi salah satu tantangan utama di bidang kesehatan.
Penelitian ini bertujuan membangun model prediksi risiko DM
menggunakan algoritma Support Vector Machine (SVM)
dengan data pasien dari RSUD Prof. Dr. Margono Soekarjo.
Algoritma SVM dipilih karena kemampuannya dalam
mengklasifikasikan data non-linear dengan baik. Penelitian ini
menggunakan pendekatan data mining dengan tahapan
preprocessing data, pemodelan, evaluasi, dan analisis. Data
yang digunakan mencakup variabel usia, jenis kelamin, tekanan
darah, kadar glukosa, dan indeks massa tubuh (BMI). Hasil
penelitian menunjukkan bahwa SVM dengan kernel RBF
memberikan performa terbaik dengan akurasi 93%, precision
93%, recall 94%, dan f1-score 93%. Analisis feature importance
menunjukkan bahwa variabel glukosa dan BMI memiliki
kontribusi terbesar dalam menentukan risiko diabetes,
sedangkan tekanan darah, usia, dan jenis kelamin memiliki
pengaruh yang lebih kecil. Dari hasil ini disimpulkan bahwa
kombinasi SVM dengan kernel RBF dan pendekatan
oversampling (SMOTE) merupakan metode paling optimal
untuk memprediksi diabetes melitus pada dataset ini. Penelitian
ini diharapkan dapat membantu tenaga medis dalam diagnosis
dini dan memberikan dasar bagi pengembangan aplikasi
prediksi risiko diabetes berbasis teknologi untuk mendukung
pengambilan keputusan klinis yang lebih baik.
Kata kunci— diabetes melitus, SVM, klasifikasi, SMOTE,
prediksi