Analisis Faktor Risiko Diabetes Menggunakan Algoritma Decision Tree

Abstract

Diabetes mellitus merupakan penyakit kronis dengan prevalensi yang meningkat dan konsekuensi kesehatan serius. Penelitian ini bertujuan mengidentifikasi faktor risiko yang berpengaruh terhadap kemungkinan diagnosis diabetes serta mengevaluasi kinerja algoritma Decision Tree dalam klasifikasi risiko menggunakan dataset sekunder berjumlah 768 sampel. Variabel yang dianalisis meliputi jumlah kehamilan, kadar glukosa darah, tekanan darah, ketebalan kulit, kadar insulin, Indeks Massa Tubuh (BMI), riwayat diabetes keluarga, dan usia. Pra-pengolahan dilakukan dengan imputasi nilai nol yang dianggap tidak valid untuk beberapa fitur (Glukosa, Tekanan Darah, SkinThickness, Insulin, BMI) menggunakan median tergrup berdasarkan kelas outcome, serta pembagian data latih:uji 70:30. Model Decision Tree (criterion='gini') dilatih dan dievaluasi menggunakan confusion matrix, precision, recall, dan F1-score. Pada data uji (n=231), model mencapai akurasi 70.1% dengan matriks kebingungan: TN=107, FP=44, FN=25, TP=55. Variabel paling dominan pada struktur pohon adalah kadar glukosa dan BMI. Hasil menunjukkan Decision Tree memberikan model yang interpretatif dan layak sebagai alat bantu deteksi dini, meskipun peningkatan akurasi dapat dicapai melalui penanganan data dan teknik ensemble.