relation: https://eprints.amikom.ac.id/id/eprint/31826/
title: ANALISIS DETEKSI PENYAKIT DIABETES DENGAN  KELAS YANG TIDAK SEIMBANG DITANGANI   TEKNIK SMOTE-ENN  PADA ALGORITMA   MACHINE LEARNING
creator: Narantoko, Fransiskus Wilis Alit
subject: 000 Ilmu komputer, informasi dan pekerjaan umum
description: Diabetes melitus merupakan salah satu penyakit kronis dengan prevalensi  tinggi yang dapat menimbulkan berbagai komplikasi serius apabila tidak terdeteksi  sejak dini. Penerapan machine learning dalam deteksi diabetes sering menghadapi  permasalahan ketidakseimbangan kelas (class imbalance), di mana jumlah data  penderita diabetes jauh lebih sedikit dibandingkan data non-diabetes, sehingga  menurunkan kemampuan model dalam mengenali kelas minoritas. Penelitian ini  bertujuan untuk menganalisis efektivitas teknik SMOTE-ENN (Synthetic Minority  Over-sampling Technique with Edited Nearest Neighbors) dalam menangani  ketidakseimbangan kelas serta membandingkan kinerja beberapa algoritma  machine learning dalam mendeteksi penyakit diabetes. Dataset yang digunakan  adalah Behavioral Risk Factor Surveillance System (BRFSS) tahun 2015 yang  terdiri dari 253.680 data dengan 22 variabel indikator kesehatan. Tahapan  penelitian meliputi preprocessing data, penerapan SMOTE-ENN, pelatihan model  menggunakan algoritma Logistic Regression, K-Nearest Neighbors, Random  Forest, dan XGBoost, serta evaluasi model menggunakan metrik accuracy,  precision, recall, F1-score, dan AUC-ROC. Hasil penelitian menunjukkan bahwa  penerapan SMOTE-ENN mampu meningkatkan performa model dalam mendeteksi  kelas minoritas diabetes. Berdasarkan hasil evaluasi, algoritma Random Forest  memberikan performa terbaik dengan nilai akurasi sebesar 95,85%, sehingga  dinilai paling efektif dalam mendeteksi penyakit diabetes. Model terbaik  selanjutnya diimplementasikan dalam bentuk aplikasi web berbasis Flask untuk  membantu prediksi risiko diabetes secara interaktif.
date: 2026-02-03
type: Thesis
type: NonPeerReviewed
format: text
language: id
identifier: https://eprints.amikom.ac.id/id/eprint/31826/1/COVER.pdf
format: text
language: id
identifier: https://eprints.amikom.ac.id/id/eprint/31826/2/BAB%20I.pdf
format: text
language: id
identifier: https://eprints.amikom.ac.id/id/eprint/31826/3/BAB%20II.pdf
format: text
language: id
identifier: https://eprints.amikom.ac.id/id/eprint/31826/4/BAB%20III.pdf
format: text
language: id
identifier: https://eprints.amikom.ac.id/id/eprint/31826/5/BAB%20IV.pdf
format: text
language: id
identifier: https://eprints.amikom.ac.id/id/eprint/31826/6/BAB%20V.pdf
format: text
language: id
identifier: https://eprints.amikom.ac.id/id/eprint/31826/7/Daftar%20Pustaka.pdf
format: archive
language: id
identifier: https://eprints.amikom.ac.id/id/eprint/31826/8/Sourcecode%20-%2021.83.0647.zip
format: text
language: id
identifier: https://eprints.amikom.ac.id/id/eprint/31826/9/Publikasi.pdf
identifier:   Narantoko, Fransiskus Wilis Alit  (2026) ANALISIS DETEKSI PENYAKIT DIABETES DENGAN KELAS YANG TIDAK SEIMBANG DITANGANI TEKNIK SMOTE-ENN PADA ALGORITMA MACHINE LEARNING.  S1 - Sarjana thesis, Universitas AMIKOM Yogyakarta.