Klasifikasi Penderita Diabetes menggunakan Algoritma Machine Learning dan Z-Score

Diabetes merupakan salah satu penyakit mematikan dan kronis ditandai dengan peningkatan gula darah. Banyak komplikasi terjadi jika diabetes tidak diobati teridentifikasi. Proses identifikasi umumnya dilakukan kunjungan ke pusat diagnostik dokter konsultasi membuat pasien bosan. Pendekatan machine learning dapat memecahkan masalah diabetes. Namun, rentang nilai variabel penentu yang seimbang mempengaruhi kualitas hasil learning. Penelitian ini memprediksi kemungkinan pada penderita dari 768 wanita Indian, tiga algoritma klasifikasi metode normalisasi Z-Score. Adapun digunakan adalah Decision Tree, Support Vector Machine (SVM) Naive Bayes. Eksperimen Pima Indians Database (PIDD) bersumber UCI Lerning Repository. Kinerja ketiga dievaluasi menggunakan akurasi, Precision, F1, Recall berdasarkan confusion matrix. SVM memiliki performansi paling tinggi dibandingkan Bayes akurasi 80.73% F1 76 %. Metode Z-Score berkontribusi positif dalam meningkatkan model klasifikasi. Lebih lanjut, penelitian juga berhasil mendapat lebih sebelumnya.