<![CDATA[Indonesia menjadi salah satu negara yang memiliki jumlah penderita Diabetes Melitus tertinggi di dunia. Penyakit diabetes dapat menimbulkan komplikasi serius yang berpotensi membahayakan bagi penderitanya. Penelitian ini bertujuan untuk mengembangkan model prediksi yang akurat untuk mengklasifikasikan penyakit diabetes menggunakan algoritma Categorical Boosting (CatBoost) dengan mempertimbangkan berbagai risiko penyakit diabetes. CatBoost dikenal karena kemampuannya menangani data kategorikal dengan baik. Tahap awal dalam penelitian ini adalah pengolahan data atau pre-processing, yang meliputi pembersihan data untuk menangani masalah data yang tidak bersih, penanganan data dengan nilai ekstrem, dan memperbaiki tipe data yang tidak sesuai. Selanjutnya, dilakukan tahap pembuatan model prediksi menggunakan algoritma CatBoost yang merupakan metode gradient boosting yang efektif dalam pengambilan keputusan. Evaluasi model dilakukan menggunakan Confusion Matrix untuk menilai performa klasifikasi. Hasil penelitian menunjukkan akurasi yang cukup tinggi dalam klasifikasi pada penyakit diabetes yaitu sebesar 98,63% berdasarkan atribut yang digunakan pada data. Diharapkan, penelitian ini dapat memberikan kontribusi dalam memberikan pemahaman dan upaya pengelolaan risiko diabetes serta tingkat kematian yang disebabkan oleh penyakit tersebut.]]>
Copyrights © 2024
