Analisis Kinerja Algoritma Random Forest untuk Klasifikasi Penyakit Diabetes di Puskesmas Wundulako

Abstract

Penyakit diabetes merupakan salah satu penyakit kronis dengan prevalensi yang terus meningkat dan memerlukan deteksi dini untuk mencegah komplikasi yang lebih serius. Puskesmas sebagai fasilitas layanan kesehatan tingkat pertama memiliki peran penting dalam melakukan identifikasi awal terhadap pasien berisiko diabetes. Namun, proses klasifikasi penyakit diabetes yang masih dilakukan secara manual berpotensi menimbulkan keterlambatan dan ketidaktepatan dalam pengambilan keputusan. Oleh karena itu, penelitian ini bertujuan untuk menganalisis kinerja algoritma Random Forest dalam mengklasifikasikan penyakit diabetes menggunakan data rekam medis pasien di Puskesmas Wundulako. Data yang digunakan berjumlah 227 data pasien dengan beberapa variabel prediktor, antara lain usia, indeks massa tubuh, gula darah sewaktu, tekanan darah, dan variabel kesehatan lainnya. Proses klasifikasi dilakukan menggunakan algoritma Random Forest dengan skema pengujian 5-Fold Cross Validation untuk memastikan kestabilan model. Hasil penelitian menunjukkan bahwa algoritma Random Forest menghasilkan akurasi rata-rata sebesar 99.57% dengan nilai precision 100%, recall 98.75%, dan F1-score 99.35%, serta error rate yang sangat rendah. Analisis feature importance menunjukkan bahwa gula darah sewaktu merupakan variabel paling dominan dalam menentukan klasifikasi diabetes. Berdasarkan hasil tersebut, algoritma Random Forest terbukti memiliki kinerja yang sangat baik dan berpotensi digunakan sebagai sistem pendukung keputusan dalam deteksi dini penyakit diabetes di tingkat pelayanan kesehatan dasar.