Diabetes merupakan salah satu penyakit kronis yang paling umum di seluruh dunia, dengan jumlah penderita yang terus meningkat setiap tahunnya. Perkembangan pesat Machine Learning telah menyediakan pendekatan efektif untuk meningkatkan akurasi klasifikasi diabetes. Studi ini bertujuan untuk membandingkan kinerja algoritma Decision Tree dan Random Forest dalam mengklasifikasikan diabetes menggunakan Dataset Diabetes Suku Indian Pima. Dataset ini terdiri dari 768 catatan pasien dengan delapan atribut prediktor dan satu atribut target. Metodologi penelitian meliputi pra-pemrosesan data, pembagian dataset menjadi set pelatihan dan pengujian, pengembangan model, dan evaluasi kinerja menggunakan matriks kebingungan, akurasi, presisi, recall, dan F1-score. Hasil eksperimen diharapkan dapat mengidentifikasi algoritma dengan kinerja klasifikasi terbaik dan memberikan referensi berharga untuk menerapkan teknik Machine Learning di sektor kesehatan.
Copyrights © 2026