Penerapan Backpropagation Jaringan Saraf Tiruan untuk Prediksi Diabetes menggunakan dataset Pima Indians

Abstrak

Penerapan Jaringan Syaraf Tiruan Backpropagation (BPNN) untuk prediksi diabetes menggunakan dataset Pima Indians merupakan langkah signifikan dalam pengembangan alat diagnostik yang efektif. Penelitian ini memproses dataset yang terdiri dari 768 data dengan mengatasi nilai yang hilang dan outlier melalui teknik statistik serta penskalaan. Data kemudian dibagi menjadi set pelatihan (80%) dan set pengujian (20%), diikuti penskalaan fitur menggunakan StandardScaler. Optimasi hyperparameter untuk klasifikasi Multilayer Perceptron (MLP) dilakukan menggunakan Grid Search dengan cross-validation. MLP classifier yang dioptimalkan mencapai skor validasi terbaik sebesar 78,50%. Pada set pengujian, classifier memperoleh akurasi 83%, dengan presisi 0,85 untuk kelas non-diabetes dan 0,79 untuk kelas diabetes. Kinerja dievaluasi melalui laporan klasifikasi dan confusion matrix, menunjukkan potensi BPNN dalam diagnosis medis. Temuan ini mendukung penelitian dalam penerapan machine learning di bidang kesehatan, menekankan pentingnya pemrosesan data dan tuning hyperparameter.