Analisis algoritma pohon keputusan untuk memprediksi penyakit diabetes menggunakan oversampling smote

Abstract

Kumpulan data ini didapat dari situs data dunia Kaggle yang berasal dari National Institute of Diabetes and Digestive and Kidney Diseases sebanyak 768 data yang terdiri dari 8 variable dan 1 class target. Penelitian ini menggunakan model Random Forest (RF) + SMOTE dan Decision Tree (DC) + SMOTE dengan matriks konfusi serta perhitungan K-fold cross validation yang bertujuan untuk memprediksi pengukuran diagnostik apakah seorang pasien menderita diabetes. Untuk mencapai tingkat akurasi terbaik, pada penelitian ini melakukan proses prediksi tingkat diabetes menggunakan dua algoritma, yaitu Decision Tree dan Random Forest. Pada data penyakit diabetes yang ditemukan terdiri dari Pregnancies, Glucose, BloodPressure, SkinThickness, Insulin, BMI, Diabetes Pedigree Function, Age, dan Outcome(output). Berdasarkan hasil dari penelitian yang telah dilakukan, pengujian model RF + SMOTE menggunakan confusion matrix dan metode K-Fold Cross Validation memberikan akurasi yang jauh lebih baik dalam distribusi data diabetes. Hasil pengujian menunjukkan akurasi data sebesar 88,9%. Dengan hasil perbandingan Kurva ROC nilai Area Under the Curve (AUC) Random Forest + SMOTE 89,0%.