Diabetes mellitus merupakan salah satu penyakit kronis yang banyak diderita masyarakat Indonesia dan membutuhkan deteksi dini untuk mencegah komplikasi. Penelitian ini bertujuan untuk membangun sebuah aplikasi berbasis web yang mampu memprediksi risiko diabetes secara otomatis berdasarkan data kesehatan pasien. Aplikasi ini dibangun menggunakan algoritma klasifikasi Support Vector Machine (SVM) yang diimplementasikan melalui framework Streamlit.
Proses pengembangan sistem mengikuti tahapan metode CRISP-DM (Cross-Industry Standard Process for Data Mining) yang mencakup pemahaman masalah, pengolahan data, pembuatan model, evaluasi, dan implementasi. Dataset yang digunakan adalah Pima Indians Diabetes Dataset, yang terdiri dari 768 data pasien dengan 8 atribut kesehatan. Model dilatih dengan SVM dan dievaluasi menggunakan metrik confusion matrix dengan hasil akurasi sebesar 80.86%, precision 77.38%, recall 63.81%, dan f1-score 69.94%.
Hasil dari penelitian ini adalah sebuah aplikasi interaktif yang dapat digunakan oleh masyarakat umum untuk mendeteksi risiko diabetes, menampilkan visualisasi hasil prediksi, serta menyediakan informasi edukatif dan evaluasi model. Diharapkan aplikasi ini dapat menjadi alat bantu dalam meningkatkan kesadaran akan pentingnya deteksi dini diabetes secara non-klinis.
Kata Kunci: Diabetes, Data Mining, Support Vector Machine (SVM), CRISP-DM, Streamlit, Prediksi Risiko
ABSTRAK INDONESIA DAN ENGLISH
Full_Skripsi_Dimas_Aditya_Fajar_Nugroho
LEMBAR PERSETUJUAN PUBLIKASI KARYA ILMIAH
LEMABAR PERNYATAAN KEASLIAN TUGAS AKHIR
LEMBAR PERSEMBAHAN
LEMBAR PEDOMAN PENGGUNAAN HAK CIPTA
LEMBAR PERSETUJUAN DAN PENGESAHAN TUGAS AKHIR
LEMBAR BIMBINGAN TUGAS AKHIR
DAFTAR RIWAYAT HIDUP
[1] F. A. Fatmona, D. R. Permana, and A. Sakurawati, “Gambaran Tingkat Pengetahuan Masyarakat tentang Pencegahan Diabetes Melitus Tipe 2 di Puskesmas Perawatan Siko,” MAHESA : Malahayati Health Student Journal, vol. 3, no. 12, pp. 4166–4178, Dec. 2023, doi: 10.33024/mahesa.v3i12.12581.
[2] R. Risty Wardhani, “PENGARUH AEROBIC EXERCISE TERHADAP KADAR GULA DARAH SEWAKTU DAN KUALITAS HIDUP PADA LANSIA DENGAN KONDISI DIABETES MELITUS TIPE II,” no. 1, 2025.
[3] E. Ristiyowati, P. Studi Ilmu Keperawatan, and S. Dian Husada Mojokerto, “OPTIMALISASI KADAR GULA DALAM DARAH PADA PENDERITA DIABETES MELLITUS MELALUI HIPNOTERAPI,” 2023. [Online]. Available: http://e-journal.lppmdianhusada.ac.id/index.php/PIPK
[4] J. Biologi et al., “Diabetes Melitus: Review Etiologi.” [Online]. Available: http://journal.uin-alauddin.ac.id/index.php/psb
[5] A. Riset et al., “FAKUMI MEDICAL JOURNAL Hubungan Usia, Jenis Kelamin dan Indeks Massa Tubuh (IMT) dengan Kadar HbA1c di Rumah Sakit Ibnu Sina Makassar.”
[6] E. Indriyani, T. Kesuma Dewi, and P. DIII Keperawatan Akper Dharma Wacana Metro, “PENERAPAN SENAM KAKI DIABETES MELITUS TERHADAP KADAR GLUKOSA DARAH PADA PENDERITA DIABETES MELLITUS DI PUSKESMAS YOSOMULYO THE APPLICATION OF DIABETES MELLITUS FOOT EXERCISE TO BLOOD GLUCOSE LEVELS IN DIABETES MELLITUS PATIENTS AT PUSKESMAS YOSOMULYO,” Jurnal Cendikia Muda, vol. 3, no. 2, 2023.
[7] N. D. Hendrawan, A. Saivul Affandi, and R. F. Fadhilrifat, “Implementasi Support Vector Machine dalam Deteksi Diabetes Melalui Indikator Kesehatan,” pp. 664–671, 2023, [Online]. Available: https://jurnal.usahidsolo.ac.id/
[8] Adih Adih, Wahyu Aji Dwi Pangestu, Muhamad Fauzi Akbar, Purnamasari Purnamasari, Farlin Wabula, and Ines Heidiani Ikasari, “Literature Review : Penggunaan Machine Learning Berbasis SVM untuk Klasifikasi Penyakit Diabetes,” Merkurius : Jurnal Riset Sistem Informasi dan Teknik Informatika, vol. 3, no. 1, pp. 156–168, Jan. 2025, doi: 10.61132/merkurius.v3i1.616.
[9] T. Septiana, M. A. Muda, D. Budiyanto, M. Pratama, and W. P. Jaya, “Analisis Penggunaan Support Vector Machine pada Deteksi Dini Penyakit Diabetes Melitus,” Jurnal Penelitian Inovatif, vol. 4, no. 3, pp. 1631–1640, Aug. 2024, doi: 10.54082/jupin.643.
[10] S. Suliman, “Implementasi Data Mining Terhadap Prestasi Belajar Mahasiswa Berdasarkan Pergaulan dan Sosial Ekonomi Dengan Algoritma K-Means Clustering,” SIMKOM, vol. 6, no. 1, pp. 1–11, Jan. 2021, doi: 10.51717/simkom.v6i1.48.
[11] S. Putri Yuanita et al., “Science, Technology and Management Journal Identifikasi Teknik Data Mining Metode Asosiasi: Systematic Literature Review Info Artikel,” Science Technology and Management Journal, vol. 4, no. 2, p. 57, 2024, doi: 10.53416/stmj.v4i2.
[12] A. Rahman Kadafi, R. Eko Indrajid, dan Muh Fauzi, and S. Nusa Mandiri Jakarta, “PENERAPAN KONSEP BUSINESS INTELLEGENCE UNTUK MERANCANG STRATEGI MARKETING PADA SEKOLAH ISLAM TERPADU NURUL FIKRI.”
[13] M. A. Wiratama and W. M. Pradnya, “Optimasi Algoritma Data Mining Menggunakan Backward Elimination untuk Klasifikasi Penyakit Diabetes,” Jurnal Nasional Pendidikan Teknik Informatika (JANAPATI), vol. 11, no. 1, p. 1, Apr. 2022, doi: 10.23887/janapati.v11i1.45282.