Klasifikasi Penyakit Diabetes Melitus Menggunakan Adaboost Classifier

Abstract

Diabetes Melitus (DM) merupakan penyakit dengan ciri tingginya gula darah sewaktu dengan nilai ≥200 mg/dL, dan nilai gula darah puasa ≥126 mg/dL. Klasifikasi merupakan algoritma supervised learning untuk menemukan pola atau fungsi untuk mendeskripsikan dan memisahkan suatu kelas data dengan kelas data yang lainnya. Adaboost (Adaptive Boosting) merupakan salah satu algoritma machine learning yang dapat membangun pengklasifikasi kuat dengan mengombinasikan beberapa pengklasifikasi lemah.  Algoritma ini juga dapat beradaptasi dengan data dan metode pengklasifikasi lainnya. Selain itu, algoritma ini juga dapat mengurangi tingkat error dari pengklasifikasi lemah sehingga dapat menaikkan nilai akurasi dari algoritma pembelajaran yang ada (boosting). Pada penelitian ini akan dilakukan klasifikasi penyakit DM menggunakan algoritma AdaBoost Classifier untuk menentukan apakah seseorang diklasifikasikan sebagai pasien diabetes atau sehat. Dataset diambil dari repositori UCI Machine Learning, terdiri dari 8 variabel input, 1 variabel target, serta 768 record. Hasil klasifikasi algoritma Adaboost Clasifier pada dataset hasil imputing mean menghasilkan akurasi sebesar 80.09 %,  untuk dataset hasil imputing median menghasilkan akurasi sebesar 76.19 %, Sedangkan dataset hasil imputing modus, output yang dihasilkan sama dengan dataset yang mengandung missing values yang mengakibatkan algoritma Adaboost tidak bisa berjalan. Hal ini dikarenakan algoritma Adaboost sangat sensitif terhadap keberadaan missing values. Python mengenali NaN sebagai nilai modus untuk beberapa fitur, dengan demikian, nilai NaN tetap ada