<![CDATA[Diabetes Melitus (DM) adalah penyakit kronisyang semakin meningkat prevalensinya setiap tahun danmenjadi salah satu tantangan utama di bidang kesehatan.Penelitian ini bertujuan membangun model prediksi risiko DMmenggunakan algoritma Support Vector Machine (SVM)dengan data pasien dari RSUD Prof. Dr. Margono Soekarjo.Algoritma SVM dipilih karena kemampuannya dalammengklasifikasikan data non-linear dengan baik. Penelitian inimenggunakan pendekatan data mining dengan tahapanpreprocessing data, pemodelan, evaluasi, dan analisis. Datayang digunakan mencakup variabel usia, jenis kelamin, tekanandarah, kadar glukosa, dan indeks massa tubuh (BMI). Hasilpenelitian menunjukkan bahwa SVM dengan kernel RBFmemberikan performa terbaik dengan akurasi 93%, precision93%, recall 94%, dan f1-score 93%. Analisis feature importancemenunjukkan bahwa variabel glukosa dan BMI memilikikontribusi terbesar dalam menentukan risiko diabetes,sedangkan tekanan darah, usia, dan jenis kelamin memilikipengaruh yang lebih kecil. Dari hasil ini disimpulkan bahwakombinasi SVM dengan kernel RBF dan pendekatanoversampling (SMOTE) merupakan metode paling optimaluntuk memprediksi diabetes melitus pada dataset ini. Penelitianini diharapkan dapat membantu tenaga medis dalam diagnosisdini dan memberikan dasar bagi pengembangan aplikasiprediksi risiko diabetes berbasis teknologi untuk mendukungpengambilan keputusan klinis yang lebih baik.Kata kunci— diabetes melitus, SVM, klasifikasi, SMOTE,prediksi]]>
