Klasifikasi Penyakit Diabetes Melitus Menggunakan Metode Stacking Ensemble

Herlinawati, Noor
Kusrini, Kusrini

DEVICE
Vol 15 No 1 (2025): Mei

Pendeteksian dini terhadap risiko diabetes merupakan tantangan penting dalam dunia medis modern. Penelitian ini bertujuan untuk meningkatkan akurasi klasifikasi pasien diabetes menggunakan metode stacking ensemble, yang menggabungkan tiga model pembelajaran mesin: K-Nearest Neighbors (KNN), Random Forest, dan XGBoost. Dataset yang digunakan adalah Pima Indians Diabetes, yang terdiri dari 768 data pasien. Setelah dilakukan preprocessing, balancing, dan feature selection, model stacking dibangun dengan Logistic Regression sebagai meta-learner. Hasil evaluasi menunjukkan bahwa stacking ensemble mencapai akurasi 77.27% dan ROC AUC 82.91%. Metode ini menunjukkan potensi besar dalam pengembangan sistem diagnosis otomatis yang lebih andal untuk penyakit diabetes..