Pengembangan Algoritma Support Vector Machine (SVM) untuk Mengklasifikasi Penyakit Diabetes

Abstract

Diabetes Mellitus (DM) merupakan penyakit kronis yang ditandai dengan kadar gula darah tinggi dan berpotensi menimbulkan berbagai komplikasi serius, seperti serangan jantung, stroke, gagal ginjal, amputasi kaki, dan gangguan pada sistem saraf. Deteksi dini DM menjadi kunci untuk mencegah terjadinya komplikasi-komplikasi tersebut. Penelitian ini bertujuan mengembangkan algoritma Support Vector Machine (SVM) untuk mengklasifikasikan DM berdasarkan data klinis pasien. Algoritma SVM bekerja dengan cara memisahkan data menjadi dua kelompok dengan mencari garis hyperplane yang optimal untuk mendapatkan hasil akurasi yang tinggi. Algoritma SVM dilatih dan diuji menggunakan data sekunder dari rekam medis pasien DM dan non-DM yang diperoleh dari Kaggle.com. Data ini mencakup berbagai variabel klinis yang relevan, seperti kadar glukosa darah, tekanan darah, indeks massa tubuh, dan lain-lain. Hasil dari penelitian menunjukkan bahwa algoritma SVM menghasilkan performa terbaik dengan akurasi 77,27%, dibandingkan dengan penelitian sebelumnya yang hanya mencapai akurasi 65%. Tentunya, ini menunjukkan potensi algoritma SVM sebagai alat bantu diagnosis DM yang lebih akurat dan efisien. Keberhasilan algoritma SVM dalam meningkatkan akurasi diagnosis DM sangat penting, mengingat deteksi dini dan pengelolaan yang tepat dapat mengurangi risiko komplikasi serius pada pasien. Selain itu, algoritma ini juga dapat diadaptasi dan ditingkatkan lebih lanjut untuk mencapai akurasi yang lebih tinggi, misalnya dengan menggunakan teknik pra-pemrosesan data yang lebih canggih atau dengan menggabungkan SVM dengan metode machine learning lainnya. Implementasi algoritma SVM yang lebih baik dapat membantu tenaga medis dalam pengambilan keputusan klinis yang lebih cepat dan tepat. pengembangan teknologi seperti SVM untuk deteksi dini DM dapat berdampak signifikan terhadap kesehatan masyarakat secara keseluruhan. Dengan diagnosis yang lebih cepat dan tepat, pasien dapat mendapatkan perawatan yang sesuai lebih awal, sehingga mengurangi beban penyakit dan meningkatkan kualitas hidup mereka.