View/Open

Author

Advisor
Ayu Sofia, S.Si., M.Si.,

Koleksi
Aktuaria

Publisher

Diabetes Mellitus (DM) merupakan salah satu penyakit kronis dengan prevalensi yang terus meningkat secara global, termasuk di Indonesia. Penyakit ini menempati peringkat keempat sebagai penyakit degeneratif terbanyak di dunia. Menurut International Diabetes Federation (IDF), Indonesia menempati peringkat kelima dengan jumlah penderita DM terbanyak, yaitu 19,5 juta pada tahun 2021, dan diperkirakan meningkat menjadi 28,6 juta pada tahun 2045. Jika tidak terdeteksi dan ditangani dengan tepat, DM dapat menyebabkan komplikasi serius seperti penyakit jantung, gagal ginjal, dan gangguan saraf. Oleh karena itu, diperlukan sistem prediksi risiko DM yang akurat. Penelitian ini mengimplementasikan algoritma CatBoost untuk mengklasifikasikan pasien ke dalam dua kategori, yaitu Diabetes Mellitus Tipe 1 dan Tipe 2, berdasarkan data dari BPJS Kesehatan Indonesia tahun 2022. Untuk meningkatkan kinerja model, dilakukan optimasi hyperparameter menggunakan teknik Bayesian Search yang efisien dalam menemukan kombinasi parameter terbaik. Model dievaluasi menggunakan metrik akurasi, presisi, recall, F1-score, dan AUC-ROC. Diharapkan, model ini tidak hanya memberikan prediksi yang akurat secara keseluruhan, tetapi juga mampu mengidentifikasi kedua tipe DM secara seimbang, sehingga dapat digunakan sebagai dasar pengembangan sistem pendukung keputusan di bidang kesehatan, khususnya dalam lingkup layanan BPJS Kesehatan.

URI
https://repo.itera.ac.id/depan/submission/SB2506250002

Keyword