CD Skripsi
Analisis prediktif terjadinya diabetes melitus tipe 2 pada pasien diabetes melitus tipe 1 menggunakan algoritma random forest (studi kasus: rsud kabupaten kepulauan meranti)
Transisi dari Diabetes Melitus Tipe 1 (DMT1) ke Tipe 2 (DMT2) merupakan tantangan klinis yang signifikan, di mana identifikasi pasien berisiko tinggi seringkali sulit dilakukan karena keterbatasan data dan kompleksitas faktor prediktor. Penelitian ini bertujuan untuk mengembangkan model prediktif menggunakan algoritma Random Forest guna memprediksi risiko transisi tersebut pada pasien di Rumah Sakit Umum Daerah Kabupaten Kepulauan Meranti, serta mengidentifikasi faktor-faktor risiko yang paling berpengaruh. Penelitian ini menganalisis data rekam medis dari 392 pasien DMT1 dalam rentang waktu 2022 hingga 2024. Tahapan prapemrosesan data meliputi penanganan outlier dengan metode Interquartile Range (IQR), imputasi missing values, dan penyeimbangan kelas data menggunakan Synthetic Minority Over-sampling Technique (SMOTE) untuk mengatasi data tidak seimbang. Validasi dan evaluasi model dilakukan menggunakan 10-Fold Cross Validation dan Confusion Matrix. Hasil penelitian menunjukkan bahwa model Random Forest yang telah dioptimasi memiliki performa sangat baik, dengan nilai akurasi 83.33%, recall yang cukup baik untuk kelas positif (berisiko DMT2) sebesar 88.33%, dan Area Under the Curve (AUC) 78.47%. Analisis variable importance mengonfirmasi bahwa Gula Darah Sewaktu (GDS) merupakan faktor risiko paling utama (skor 0.4204). Nilai recall yang cukup baik membuktikan bahwa model ini sangat andal dalam mendeteksi pasien yang berisiko, menjadikannya alat bantu yang kuat untuk pencegahan dini dan pengelolaan risiko diabetes.
Kata Kunci : Diabetes Melitus, Random Forest, SMOTE, 10-Fold Cross Validation.
Tidak tersedia versi lain