eprintid: 32116
rev_number: 15
eprint_status: archive
userid: 12
dir: disk0/00/03/21/16
datestamp: 2026-07-14 02:21:28
lastmod: 2026-07-14 02:21:28
status_changed: 2026-07-14 02:21:28
type: thesis
metadata_visibility: show
creators_name: Nurwahyuningsih, Nurwahyuningsih
creators_nim: 22.11.4897
contributors_name: Agastya, I Made Artha
corp_creators: Universitas AMIKOM Yogyakarta
title: PREDIKSI PENYAKIT DIABETES MENGGUNAKAN
ENSAMBLE LEARNING DAN METODE RESAMPLING
PADA DATATIDAK SEIMBANG
ispublished: pub
subjects: 000.000.000A
divisions: if
full_text_status: restricted
keywords: Diabetes, Imblanaced data, Sampling, Random Forest, XGBoost
abstract: Ketidakseimbangan kelas (imbalanced data) merupakan permasalahan 
utama dalam klasifikasi data medis, khususnya ada kasus penyakit diabetes.
Kondisi ini menyebabkan model klasifikasi cenderung lebih fokus pada kelas
mayoritas, sehingga kemampuan dalam mendeteksi pasien diabetes sebagai kelas
minoritas menjadi kurang optimal. Apabila tidak ditangani dengan tepat,
permasalahan tersebut dapat menunrunkan kualitas sistem pendukung keputusan
dibidang Kesehatan.
Penelitian ini bertujuan untuk menganalisis pengaruh berbagai metode
sampling dalam meningkatkan kinerja model klasifikasi diabetes. Metode yang
digunakan adalam Random Fores dan XGBoost dengan menggunakan beberapa
pendekatan penanganan ketidakseimbangan kelas, yaitu SMOTE, ROS,
SMOTENN, ADASYN, RUS, ClusterCentroids, Tomek Links, dan ENN. Evaluasi
kinerja model dilakukan menggunakan metrik akurasi dan F1-score guna menilai
keseimbangan performa dalam mengklasifikasikan kelas mayoritas dan minoritas.
Hasil penelitian menunjukan bahwa metode Tomek Links memberikan
peforma yang paling konsisten pada kedua model. Pada model XGBoost, metode
ini mampu meningkatkan nilai F1-score diabanding data asli, sedangkan pada
model Rndom Forest performanya relatif stabil dengan perbedaan yang tidaak
signifikan. Penelitian ini memberikan konstribusi dalam pemeilihan metode
sampling yang efektif untuk klasifikasi data medis. Hasil penelitian dapat
dimanfaatkan oleh peneliti, praktisi data, dan institusi Kesehatan sebagai
referensi dalam pengembangan system klasifikasi penyakit berbasis pembelajaran
mesin.
date: 2026-03-02
date_type: published
institution: Universitas AMIKOM Yogyakarta
department: Fakultas Ilmu Komputer
thesis_type: bachelor
thesis_name: skripsi
citation:   Nurwahyuningsih, Nurwahyuningsih  (2026) PREDIKSI PENYAKIT DIABETES MENGGUNAKAN ENSAMBLE LEARNING DAN METODE RESAMPLING PADA DATATIDAK SEIMBANG.  S1 - Sarjana thesis, Universitas AMIKOM Yogyakarta.   
document_url: https://eprints.amikom.ac.id/id/eprint/32116/1/COVER.pdf
document_url: https://eprints.amikom.ac.id/id/eprint/32116/2/BAB%20I.pdf
document_url: https://eprints.amikom.ac.id/id/eprint/32116/3/BAB%20II.pdf
document_url: https://eprints.amikom.ac.id/id/eprint/32116/4/BAB%20III.pdf
document_url: https://eprints.amikom.ac.id/id/eprint/32116/5/BAB%20IV.pdf
document_url: https://eprints.amikom.ac.id/id/eprint/32116/6/BAB%20V.pdf
document_url: https://eprints.amikom.ac.id/id/eprint/32116/7/Daftar%20Pustaka.pdf
document_url: https://eprints.amikom.ac.id/id/eprint/32116/8/Sourcecode%20-%2022.11.4897.zip
document_url: https://eprints.amikom.ac.id/id/eprint/32116/9/Publikasi.pdf