Sistem Informasi Model Prediksi Penyakit Diabetes Menggunakan Algoritma Random Forest di Fasyankes
DOI:
https://doi.org/10.30736/informatika.v10i1.1376Keywords:
Algoritma random forest, Machine learning, Akurasi, Prediksi, Mean square errorAbstract
Selama ini fasyankes hanya melakukan penyimpanan data transaksi pemeriksaan terhadap pasien diabetes menggunakan aplikasi sistem informasi. Data yang telah terkumpul hanya disimpan dalam database sistem informasi di komputer server. Belum ada analisa mendalam terkait data yang tersimpan dalam server database di aplikasi sistem informasi kesehatan. Tujuan dari penelitian ini yaitu mengembangkan sistem informasi model prediksi penyakit diabetes dengan menggunakan algoritma random forest di fasyankes. Menggunakan metode machine learning dengan algoritma random Forest. Pembagian data pada penelitian ini dilakukan dengan komposisi 80 % data training dan 20 % data testing. Hasil dari pembagian data ini menghasilkan data training sebesar 615 dan data testing sebesar 153 dari total data keseluruhan yang berjumlah 768. menggunakan data dan atribut secara acak sesuai dengan persyaratan. Hasil dari klasifikasi ini menghasilkan model klasifikasi pasien penderita diabetes dengan tingkat akurasi sebesar 76%, dengan nilai mean squares error sebesar 0,24. Penelitian ini berhasil membuat model prediksi untuk penderita penyakit diabetes dengan menginputkan variabel yang menyebabkan penyakit diabetes. Tingkat akurasi yang dihasilkan oleh model ini yaitu seberar 76% dengan nilai mean square error sebesar 0,24. Dimana model ini menghasilkan nilai yang cukup baik dalam memprediksi pasien masuk dalam kategori diabetes atau tidak. Hasil evaluasi kinerja model yang dihasilkan menghasilkan nilai akurasi sebesar 76%, Presisi sebesar 69%, Recall sebesar 59%, F1-Score sebesar 63%
Downloads
References
S. Jagadeesan, A. Kapoor, and S. Ghosh, “Diabetes Prediction Using Machine Learning,” AIP Conf. Proc., vol. 3075, no. 1, pp. 140–146, 2024, doi: 10.1063/5.0217181.
D. Mahatma, Gangga. Widiastuti, Wisda. Nova, Riki. Darmayanti, Anita. Abdullah, “Prevalensi Diabetes Mellitus Tipe 2 Pada Anak Dan Remaja (Studi Literatur),” Nusant. Hasana J., vol. 4 no 6, 2024.
Y. A. Jatmiko, S. Padmadisastra, and A. Chadidjah, “Analisis Perbandingan Kinerja Cart Konvensional, Bagging Dan Random Forest Pada Klasifikasi Objek: Hasil Dari Dua Simulasi,” Media Stat., vol. 12, no. 1, p. 1, 2019, doi: 10.14710/medstat.12.1.1-12.
G. Sanhaji, A. Febrianti, and H. Hidayat, “Aplikasi DIATECT Untuk Prediksi Penyakit Diabetes Menggunakan SVM Berbasis Web,” J. Tekno Kompak, vol. 18, no. 1, p. 150, 2024, doi: 10.33365/jtk.v18i1.3643.
L. Putri, Nurliana Rizka. Goeirmanto, “Aplikasi Sistem Pakar Untuk Diagnosa Penyakit Diabetes Melitus Dengan Algoritma Certainty Factor Berbasis Web,” Apl. dan Inov. Ipteks, 2020.
A. Az, R. Septian, M. A. Saktiawan, and R. A. Saputra, “PREDIKSI PENYAKIT HIPERTENSI MENGGUNAKAN MACHINE LEARNING DENGAN ALGORITMA REGRESI LOGISTIK,” vol. 8, no. 6, pp. 12062–12068, 2024.
N. H. Adiningrum, Nur Tri Ramadhanti . Harani, “Analisis Perbandingan Ensemble Machine Learning Dengan Teknik Smote Untuk Prediksi Diabetes,” J. Elektro Inform. Swadharma, vol. 05, 2025.
Suharni, “Eksplorasi Metode Pengolahan Big Data Untuk Pemodelan Prediktif Dalam Bidang Kesehatan,” J. Rev. Pendidik. dan Pengajaran, vol. 7 Nomer 1, pp. 1353–1360, 2024.
F. S. Wijaya, M. F. Arotsid, and R. Adriano, “Literatur Review : Penerapan Algoritma Random Forest untuk Klasifikasi Penyakit Diabetes,” vol. 2, no. 3, pp. 474–481, 2024.
R. Supriyadi, W. Gata, N. Maulidah, and A. Fauzi, “Penerapan Algoritma Random Forest Untuk Menentukan Kualitas Anggur Merah,” E-Bisnis J. Ilm. Ekon. dan Bisnis, vol. 13, no. 2, pp. 67–75, 2020, doi: 10.51903/e-bisnis.v13i2.247.
S. Devella, Y. Yohannes, and F. N. Rahmawati, “Implementasi Random Forest Untuk Klasifikasi Motif Songket Palembang Berdasarkan SIFT,” JATISI (Jurnal Tek. Inform. dan Sist. Informasi), vol. 7, no. 2, pp. 310–320, 2020, doi: 10.35957/jatisi.v7i2.289.
Suci Amaliah, M. Nusrang, and A. Aswi, “Penerapan Metode Random Forest Untuk Klasifikasi Varian Minuman Kopi di Kedai Kopi Konijiwa Bantaeng,” VARIANSI J. Stat. Its Appl. Teach. Res., vol. 4, no. 3, pp. 121–127, 2022, doi: 10.35580/variansiunm31.
A. Setiawan, Z. H. Nst, Z. Khairi, and L. Efrizoni, “KLASIFIKASI TINGKAT RISIKO DIABETES MENGGUNAKAN ALGORITMA,” vol. 7, no. 2, pp. 263–271, 2024.
N. Nurdiana and A. Algifari, “Studi Komparasi Algoritma Id3 Dan Algoritma Naive Bayes Untuk Klasifikasi Penyakit Diabetes Mellitus,” INFOTECH J., vol. 6, no. 2, pp. 18–23, 2020, [Online]. Available: https://ejournal.unma.ac.id/index.php/infotech/article/view/816.
N. Firmansah and I. Uce, “Prediction of Credit Eligibility Using the Random Forest Method [Prediksi Kelayakan Pemberian Kredit Menggunakan Metode Random Forest],” Univ. Muhammadiyah Sidoarjo, pp. 1–10, 2023.
Downloads
PlumX Metrics
Published
How to Cite
Issue
Section
License
Copyright (c) 2025 Muhadi, Amir Ali
This work is licensed under a Creative Commons Attribution-ShareAlike 4.0 International License.
Joutica : Journal of Informatic Unisla is licensed under an Attribution-ShareAlike 4.0 International (CC BY-SA 4.0) license. You are free to:
- Share copy and redistribute the material in any medium or format
- Adapt remix, transform, and build upon the material for any purpose, even commercially. This license is acceptable for Free Cultural Works.
The licensor cannot revoke these freedoms as long as you follow the license terms.
- Attribution You must give appropriate credit, provide a link to the license, and indicate if changes were made. You may do so in any reasonable manner, but not in any way that suggests the licensor endorses you or your use.
- Share Alike If you remix, transform, or build upon the material, you must distribute your contributions under the same license as the original.
- No additional restrictions You may not apply legal terms or technological measures that legally restrict others from doing anything the license permits.
Copyright
Authors who publish with this journal agree to the following terms:
- Authors retain copyright and grant the journal right of first publication with the work simultaneously licensed under an Attribution-ShareAlike 4.0 International (CC BY-SA 4.0) that allows others to share the work with an acknowledgment of the work's authorship and initial publication in this journal.
- Authors are able to enter into separate, additional contractual arrangements for the non-exclusive distribution of the journal's published version of the work (e.g., post it to an institutional repository or publish it in a book), with an acknowledgment of its initial publication in this journal.
- Authors are permitted and encouraged to post their work online (e.g., in institutional repositories or on their website) prior to and during the submission process, as it can lead to productive exchanges, as well as earlier and greater citation of published work (See The Effect of Open Access).
Joutica : Journal of Informatic Unisla by Universitas Islam Lamongan is licensed under a Creative Commons Attribution-ShareAlike 4.0 International License.
Based on a work at https://jurnalteknik.unisla.ac.id/index.php/elektronika/index
