<![CDATA[Diabetes mellitus adalah penyakit kronis yang umum dengan dampak global yang signifikan. Identifikasi dini individu berisiko tinggi terkena diabetes sangat penting untuk pencegahan dan manajemen penyakit ini. Penelitian ini mengeksplorasi penggunaan Recursive Feature Elimination (RFE) pada classifier berbasis pohon keputusan (tree-based classifiers) untuk meningkatkan akurasi prediksi risiko diabetes. Hasil penelitian menunjukkan bahwa penerapan RFE meningkatkan akurasi model, dengan Random Forest dan Gradient Boosting mencapai akurasi tertinggi sebesar 77.27%. RFE juga berhasil mengidentifikasi fitur-fitur yang paling relevan, mengurangi risiko overfitting, dan meningkatkan interpretasi model. Penelitian ini memberikan dasar kuat untuk pengembangan alat prediksi yang lebih efektif dalam manajemen dan pencegahan diabetes. Penelitian selanjutnya disarankan untuk menguji generalisasi pendekatan ini pada dataset yang lebih luas dan dalam berbagai konteks klinis.]]>
Copyrights © 2024
