<![CDATA[Selama ini fasyankes hanya melakukan penyimpanan data transaksi pemeriksaan terhadap pasien diabetes menggunakan aplikasi sistem informasi. Data yang telah terkumpul hanya disimpan dalam database sistem informasi di komputer server. Belum ada analisa mendalam terkait data yang tersimpan dalam server database di aplikasi sistem informasi kesehatan. Tujuan dari penelitian ini yaitu mengembangkan sistem informasi model prediksi penyakit diabetes dengan menggunakan algoritma random forest di fasyankes. Menggunakan metode machine learning dengan algoritma random Forest. Pembagian data pada penelitian ini dilakukan dengan komposisi 80 % data training dan 20 % data testing. Hasil dari pembagian data ini menghasilkan data training sebesar 615 dan data testing sebesar 153 dari total data keseluruhan yang berjumlah 768. menggunakan data dan atribut secara acak sesuai dengan persyaratan. Hasil dari klasifikasi ini menghasilkan model klasifikasi pasien penderita diabetes dengan tingkat akurasi sebesar 76%, dengan nilai mean squares error sebesar 0,24. Penelitian ini berhasil membuat model prediksi untuk penderita penyakit diabetes dengan menginputkan variabel yang menyebabkan penyakit diabetes. Tingkat akurasi yang dihasilkan oleh model ini yaitu seberar 76% dengan nilai mean square error sebesar 0,24. Dimana model ini menghasilkan nilai yang cukup baik dalam memprediksi pasien masuk dalam kategori diabetes atau tidak. Hasil evaluasi kinerja model yang dihasilkan menghasilkan nilai akurasi sebesar 76%, Presisi sebesar 69%, Recall sebesar 59%, F1-Score sebesar 63%]]>
Copyrights © 2025
