<![CDATA[Penelitian ini bertujuan untuk menganalisis kemampuan algoritma Regresi Logistik dalam mendeteksi diabetes berdasarkan atribut medis yang diproses menggunakan aplikasi Orange Data Mining. Proses analisis meliputi langkah-langkah seperti preprocessing data, pelatihan model, evaluasi performa, serta interpretasi hasil. Regresi Logistik dipilih karena sifatnya yang sederhana, mudah diinterpretasikan, dan efektif untuk klasifikasi biner pada konteks diagnosis kesehatan. Evaluasi model dilakukan melalui cross-validation untuk memperoleh metrik performa utama. Hasil dari penelitian ini menunjukkan bahwa model mampu mengklasifikasikan kondisi diabetes dengan tingkat akurasi yang baik, yaitu sebesar 85,9%, disertai nilai presisi, recall, dan F1-score yang tinggi, sehingga menegaskan konsistensi dan kemampuan prediktif model. Atribut seperti HbA1c, glukosa puasa, dan glukosa postprandial menjadi faktor yang paling berpengaruh dalam menentukan risiko diabetes. Secara keseluruhan, temuan pada penelitian ini menunjukkan bahwa Regresi Logistik, ketika diimplementasikan dalam lingkungan analisis interaktif, memberikan pendekatan yang dapat diandalkan untuk deteksi dini diabetes dan berpotensi meningkatkan efektivitas pengambilan keputusan berbasis data di bidang kesehatan.]]>
Copyrights © 2026
