<![CDATA[Diabetes melitus merupakan penyakit kronis yang menjadi masalah kesehatan global karena dapat menyebabkan komplikasi serius seperti gagal ginjal, penyakit jantung, dan kematian. Penelitian ini bertujuan untuk mengembangkan sistem deteksi risiko diabetes berbasis kombinasi Long Short-Term Memory (LSTM) dan Extreme Gradient Boosting (XGBoost). Dataset yang digunakan berasal dari Kaggle dengan sembilan fitur kesehatan utama. Proses penelitian meliputi preprocessing data menggunakan SMOTE, pelatihan model LSTM untuk ekstraksi fitur, serta klasifikasi menggunakan XGBoost. Hasil pengujian menunjukkan model hybrid LSTM-XGBoost memiliki akurasi sebesar 96,24% dan ROC-AUC 97,46%. Model ini juga berhasil diimplementasikan dalam sistem berbasis web menggunakan Flask yang memudahkan pengguna melakukan deteksi risiko diabetes secara cepat, efisien, dan interaktif. Kata Kunci: Diabetes, LSTM, XGBoost, Deep Learning, Deteksi]]>
Copyrights © 2025
