IMPLEMENTASI PEMBELAJARAN MESIN UNTUK MENDETEKSI PENYAKIT DIABETES MENGGUNAKAN ALGORITMA SUPPORT VECTOR MACHINE (SVM)

Penelitian ini bertujuan untuk mengembangkan model klasifikasi yang dapat mendeteksi diabetes dengan akurasi tinggi menggunakan algoritma Support Vector Machine (SVM). Diabetes merupakan salah satu penyakit kronis yang memiliki dampak signifikan pada kesehatan masyarakat di seluruh dunia, sehingga deteksi dini sangat penting untuk mencegah komplikasi yang lebih serius. Dalam penelitian ini, data pasien yang terdiri dari beberapa fitur seperti usia, indeks massa tubuh (BMI), kadar glukosa, dan tekanan darah digunakan sebagai masukan untuk model. Dataset yang digunakan diproses melalui tahap preprocessing, termasuk normalisasi data dan penanganan ketidakseimbangan kelas dengan metode SMOTE. Model SVM dipilih karena kemampuannya yang unggul dalam menangani data yang tidak terstruktur dengan baik serta memastikan margin pemisahan yang maksimal antara kelas. Penelitian ini menggunakan kernel linear. Hasil evaluasi menunjukkan bahwa model yang dikembangkan berhasil mencapai akurasi 91%, dengan precision, recall, dan F1-score yang menunjukkan performa yang baik pada data uji. Penelitian ini menunjukkan potensi besar algoritma SVM dalam mendukung proses deteksi diabetes, yang dapat diaplikasikan lebih luas pada sistem kesehatan berbasis teknologi.