Penerapan Machine Learning dengan Algoritma Logistik Regresi untuk Memprediksi Diabetes

Abstract

Diabetes merupakan masalah kesehatan global yang signifikan, mempengaruhi kualitas hidup individu dan menimbulkan beban ekonomi dan sosial. Machine Learning (Pembelajaran Mesin) adalah cabang dari kecerdasan buatan yang berfokus pada pengembangan algoritma untuk komputer belajar dari data dan membuat keputusan atau melakukan tugas tanpa pemrograman eksplisit. Logistik Regresi adalah metode statistik yang digunakan untuk menganalisis hubungan antara variabel prediktor dan variabel respons yang bersifat biner. Penelitian ini bertujuan menerapkan algoritma logistik regresi dalam sistem cerdas untuk memprediksi risiko diabetes. Dalam penelitian ini, telah dibuat suatu model prediksi dengan menggunakan logistic regression di Python IDE (Jupyter Notebook) untuk tujuan deteksi dini, dengan fokus pada kemampuan untuk memprediksi apakah seseorang mungkin mengalami penyakit diabetes berdasarkan data awal yang disediakan. Eksperimen dilakukan menggunakan dataset dari Pima Indians Diabetes Database yang terdiri dari 768 data pasien dengan delapan variabel independen dan satu variabel dependen. Metode CRISP-DM digunakan dengan tahapan: Business Understanding, Data Understanding, Data Preparation, Modelling, Evaluation, dan Deployment. Hasil pengujian model logistik regresi menunjukkan tingkat akurasi sebesar 82%. Diharapkan sistem ini dapat membantu masyarakat dan tenaga medis untuk mengidentifikasi faktor risiko dan mencegah penyakit diabetes.