Article Per Year (5 Year)
p-Index From 2021 - 2026
0.23
P-Index
This Author published in this journals
All Journal INTECOMS: Journal of Information Technology and Computer Science
Siti Inayatul Mufidah
Universitas Teknologi Yogyakarta
Computer Science & IT

Published : 1 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 1 Documents
Search

 1 
DETEKSI RISIKO DIABETES BERDASARKAN FAKTOR KESEHATAN MENGGUNAKAN LONG SHORT-TERM MEMORY (LSTM) DAN XGBOOST Siti Inayatul Mufidah; Irma Handayani
INTECOMS: Journal of Information Technology and Computer Science Vol. 8 No. 6 (2025): INTECOMS: Journal of Information Technology and Computer Science
Publisher : Institut Penelitian Matematika, Komputer, Keperawatan, Pendidikan dan Ekonomi (IPM2KPE)

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.31539/62qf2c40

Abstract

Diabetes melitus merupakan penyakit kronis yang menjadi masalah kesehatan global karena dapat menyebabkan komplikasi serius seperti gagal ginjal, penyakit jantung, dan kematian. Penelitian ini bertujuan untuk mengembangkan sistem deteksi risiko diabetes berbasis kombinasi Long Short-Term Memory (LSTM) dan Extreme Gradient Boosting (XGBoost). Dataset yang digunakan berasal dari Kaggle dengan sembilan fitur kesehatan utama. Proses penelitian meliputi preprocessing data menggunakan SMOTE, pelatihan model LSTM untuk ekstraksi fitur, serta klasifikasi menggunakan XGBoost. Hasil pengujian menunjukkan model hybrid LSTM-XGBoost memiliki akurasi sebesar 96,24% dan ROC-AUC 97,46%. Model ini juga berhasil diimplementasikan dalam sistem berbasis web menggunakan Flask yang memudahkan pengguna melakukan deteksi risiko diabetes secara cepat, efisien, dan interaktif. Kata Kunci: Diabetes, LSTM, XGBoost, Deep Learning, Deteksi
Co-Authors Irma Handayani