Deteksi diabetes ibu hamil menggunakan metode Artificial Neural Network

ABSTRAK:

Diabetes merupakan salah satu penyakit serius dan fatal di Indonesia, bersanding dengan stroke dan jantung koroner. Penyakit ini menjadi penyebab utama masalah kardiovaskular dan berkontribusi pada tingginya angka kematian ibu saat melahirkan. Selain itu, diabetes juga dapat menularkan risiko penyakit kepada bayi yang baru lahir. Dalam menghadapi kondisi ini, deteksi dini diabetes menjadi krusial untuk mencegah komplikasi yang lebih serius. Pemanfaatan teknologi dianggap sebagai solusi untuk mengurangi kesalahan estimasi. Dalam penelitian ini, digunakan metode Jaringan Saraf Tiruan (Artificial Neural Network) untuk mendeteksi diabetes pada ibu hamil. Metode ini dikenal karena kemampuannya dalam mengenali pola-pola kompleks dan dapat diaplikasikan pada berbagai jenis data. Dataset yang digunakan berasal dari Institut Nasional Diabetes dan Pencernaan serta Penyakit Ginjal, terdiri dari 768 data, dan uji coba dilakukan dengan menggunakan metode Confusion Matrix. Penelitian ini bertujuan untuk menentukan tingkat akurasi dari sistem yang dikembangkan. Dataset dibagi menjadi dua bagian, dan dilakukan eksperimen dengan mengatur parameter seperti learning rate, jumlah hidden layers, dan epochs. Hasil penelitian menunjukkan bahwa akurasi tertinggi tercapai pada penggunaan model 3, yaitu menggunakan 90% dari jumlah data, learning rate sebesar 0,04, 50 epochs, dengan nilai akurasi mencapai 80.5%, presisi sebesar 83.3%, dan recall sebesar 64.5%. Dari hasil uji coba, dapat disimpulkan bahwa tingkat akurasi meningkat seiring dengan peningkatan jumlah data dan epochs, sejalan dengan jumlah hidden layers, serta besarnya learning rate yang digunakan.

ABSTRACT:

Diabetes is one of the most serious and fatal diseases in Indonesia, along withstroke and coronary heart disease. It is the leading cause of cardiovascular problems andcontributes to the high maternal mortality rate during childbirth. In addition, diabetes canalso transmit the risk of disease to newborn babies. In the face of this condition, earlydetection of diabetes is crucial to prevent more serious complications. The utilization oftechnology is considered as a solution to reduce estimation errors. In this study, theArtificial Neural Network method is used to detect diabetes in pregnant women. Thismethod is known for its ability to recognize complex patterns and can be applied to varioustypes of data. The dataset used came from the National Institute of Diabetes and Digestiveand Kidney Diseases, consisting of 768 data, and testing was carried out using theConfusion Matrix method. This study aims to determine the accuracy of the developedsystem. The dataset was divided into two parts, and experiments were conducted by settingparameters such as learning rate, number of hidden layers, and epochs. The results showedthat the highest accuracy was achieved using model 3, which used 90% of the total data,learning rate of 0.04, 50 epochs, with an accuracy value of 80.5%, precision of 83.3%, andrecall of 64.5%

مستخلص البحث: