%X Diabetes Mellitus (DM) merupakan salah satu penyakit kronis dengan
tingkat prevalensi yang terus meningkat di dunia, termasuk di Indonesia. Penyakit
ini terbagi menjadi dua tipe utama, yaitu DM tipe 1 dan tipe 2, yang masing-masing
membutuhkan penanganan yang berbeda. Oleh karena itu, klasifikasi yang akurat
antara kedua tipe DM sangat penting untuk mendukung diagnosis dini dan
intervensi medis yang tepat.
Penelitian ini bertujuan untuk membangun model klasifikasi penyakit
Diabetes Mellitus menggunakan algoritma Support Vector Machine (SVM).
Dataset penelitian terdiri dari sejumlah atribut klinis pasien yang telah melalui tahap
preprocessing, termasuk penanganan missing values, penghilangan outlier
menggunakan Interquartile Range (IQR), normalisasi dengan StandardScaler, dan
konversi label menggunakan Label Encoding. Karena jumlah data antar kelas tidak
seimbang, diterapkan metode Synthetic Minority Over-sampling Technique
(SMOTE) untuk mengatasi masalah ketidakseimbangan kelas.
Evaluasi model dilakukan menggunakan metrik akurasi, precision, recall,
F1-score, dan confusion matrix. Hasil evaluasi menunjukkan bahwa model SVM
dengan kernel linier memberikan akurasi cukup, yaitu sebesar 73%, dengan nilai
F1-score seimbang untuk kedua kelas. Hal ini menunjukkan bahwa model mampu
melakukan klasifikasi dengan performa yang baik dan tanpa bias terhadap salah
satu kelas.
%L universitasamikomyogyakarta32299
%D 2026
%A Ahmed Ibnu Aprianto
%T KLASIFIKASI PENYAKIT DIABETES MELLITUS
MENGGUNAKAN ALGORITMA SVM
%I Universitas AMIKOM Yogyakarta
%K Diabetes Mellitus, Support Vector Machine, SMOTE, Preprocessing
Data, Klasifikasi, Machine Learning, Data
Preprocessing, Classification.