PERBANDINGAN ALGORITMA ARTIFICIAL NEURAL NETWORK DAN RANDOM FOREST UNTUK ANALISIS PENYAKIT DIABETES DENGAN VISUALISASI

GUNAWAN, MUHAMMAD HADI (2025) PERBANDINGAN ALGORITMA ARTIFICIAL NEURAL NETWORK DAN RANDOM FOREST UNTUK ANALISIS PENYAKIT DIABETES DENGAN VISUALISASI. S1 - Sarjana thesis, Universitas AMIKOM Yogyakarta.

	Text (COVER-ABSTRAK) COVER.pdf Download (843kB)
	Text (BAB I) BAB I.pdf - Published Version Download (188kB)
	Text (BAB II) BAB II.pdf - Published Version Restricted to Registered users only Download (377kB)
	Text (BAB III) BAB III.pdf - Published Version Restricted to Registered users only Download (427kB)
	Text (BAB IV) BAB IV.pdf - Published Version Restricted to Registered users only Download (614kB)
	Text (BAB V) BAB V.pdf - Published Version Download (44kB)
	Text (DAFTAR PUSTAKA-LAMPIRAN) Daftar Pusataka dan Lampiran.pdf - Published Version Restricted to Registered users only Download (159kB)
	Archive (SOURCE CODE) Source Code - 21.11.4495.zip - Published Version Restricted to Repository staff only Download (172kB)
	Text (PUBLIKASI) Publikasi.pdf - Published Version Restricted to Repository staff only Download (463kB)

Abstract

Diabetes mellitus merupakan penyakit kronis dengan prevalensi yang terus meningkat dan berpotensi menimbulkan komplikasi serius apabila tidak terdeteksi sejak dini, sehingga diperlukan metode pendukung yang lebih akurat dalam menganalisis risiko diabetes. Penelitian ini dilakukan untuk membandingkan kinerja algoritma Artificial Neural Network (ANN) dan Random Forest (RF) dalam klasifikasi diabetes dengan menggunakan dataset publik dari Kaggle. Tahapan penelitian meliputi pra-pemrosesan data melalui penanganan nilai tidak logis, normalisasi, dan penyeimbangan kelas dengan Synthetic Minority Oversampling Technique (SMOTE), kemudian model dibangun menggunakan algoritma ANN dan RF serta dievaluasi menggunakan metrik akurasi, presisi, recall, F1-score, dan AUC-ROC dengan tambahan visualisasi berupa confusion matrix, kurva ROC, heatmap korelasi, dan feature importance. Hasil penelitian menunjukkan bahwa algoritma Random Forest memberikan performa lebih baik dengan akurasi 77,67%, presisi 75,93%, recall 81,46%, F1-score 78,59%, dan AUC 77,64%, sedangkan Artificial Neural Network memperoleh akurasi 75,67%, presisi 71,43%, recall 86,09%, F1-score 78,08%, dan AUC 75,60%. Penelitian ini diharapkan dapat memperkaya literatur akademik mengenai perbandingan algoritma machine learning di bidang kesehatan serta memberikan dasar teoritis bagi penelitian lanjutan terkait analisis penyakit diabetes.

Actions (login required)

View Item