Analisis Komparatif Algoritma Machine Learning untuk Prediksi Dini Tuberkulosis di Puskesmas X Koto I Tanah Datar

Junaidi, Satrio
Febriyani, Nia
Putri, Melani Septina
Ananda, Muthia

LEBAH
Vol. 19 No. 4 (2026): Maret: Pengabdian

Tuberkulosis (TB) masih menjadi masalah kesehatan serius di Indonesia, terutama di daerah dengan akses terbatas seperti Kabupaten Tanah Datar. Deteksi dini yang lambat sering kali terjadi karena gejala awal yang tidak spesifik dan sistem pencatatan yang masih manual. Penelitian ini bertujuan mengembangkan sistem prediksi pasien TB berbasis machine learning dengan algoritma Support Vector Machine (SVM) untuk membantu tenaga kesehatan di Puskesmas X Koto I dalam melakukan skrining awal. Metode yang digunakan meliputi pengumpulan data rekam medis sebanyak 1.000 pasien, pengembangan model prediktif, pelatihan bagi tenaga kesehatan, serta implementasi dan evaluasi sistem. Hasil uji coba menunjukkan bahwa sistem mampu memprediksi risiko TB dengan akurasi mencapai 98% dengan precision, recall dan fi-score 93%.  Sistem ini telah diimplementasikan dalam bentuk aplikasi web interaktif yang mudah digunakan oleh petugas kesehatan. Selain meningkatkan akurasi diagnosis, sistem ini juga mempercepat proses skrining dan mendukung upaya pencegahan penularan TB di masyarakat. Program ini diharapkan dapat menjadi model inovatif yang berkelanjutan dan dapat diadopsi oleh puskesmas lainnya