Article Per Year (5 Year)
p-Index From 2021 - 2026
0.23
P-Index
This Author published in this journals
All Journal Riau Jurnal Teknik Informatika
Harmanto, Dedy
Unknown Affiliation
Computer Science & IT

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

Found 1 Documents
Search

 1 
Klasifikasi Risiko Diabetes Menggunakan Support Vector Machine Berbasis Feature Selection dan Hyperparameter Tuning Ariansyah, Nova; Harmanto, Dedy
Riau Jurnal Teknik Informatika Vol. 5 No. 1 (2026): Maret 2026
Publisher : Prodi Teknik Informatika Universitas Pasir Pengaraian

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.30606/rjti.v5i1.4301

Abstract

Diabetes Mellitus merupakan penyakit metabolik kronis dengan prevalensi yang terus meningkat secara global. Deteksi dini risiko diabetes menjadi langkah strategis untuk mencegah komplikasi serius seperti penyakit kardiovaskular dan gagal ginjal. Penelitian ini bertujuan mengimplementasikan algoritma Support Vector Machine (SVM) dalam klasifikasi risiko diabetes serta menganalisis pengaruh Feature Selection dan Hyperparameter Tuning  terhadap kinerja model. Dataset yang digunakan berjumlah 100.000 data pasien yang diperoleh dari Kaggle  dengan distribusi kelas yang tidak seimbang antara pasien diabetes dan non-diabetes. Preprocessing dilakukan menggunakan Min-Max Normalization. Seleksi fitur diterapkan menggunakan metode ReliefF dan Mutual Information. Evaluasi model menggunakan 10-Fold Cross Validation untuk meminimalkan bias estimasi performa. Hyperparameter Tuning  dilakukan menggunakan Optuna dengan optimasi parameter C, gamma, dan degree pada kernel Polynomial dan Radial Basis Function. Hasil eksperimen menunjukkan bahwa Hyperparameter Tuning  meningkatkan recall kelas Diabetes dari 0,67 menjadi 0,94 serta meningkatkan akurasi keseluruhan dari 94,76% menjadi 98,90%. Jumlah false negative menurun dari 4.851 menjadi 915 kasus. Temuan ini menunjukkan bahwa optimasi parameter dan seleksi fitur berperan penting dalam meningkatkan sensitivitas model terhadap kelas minoritas pada dataset medis yang tidak seimbang.
Co-Authors Ariansyah, Nova