Deteksi Dini Diabetes Melitus Tipe 2 Berdasarkan Data Rekam Medis Pasien RSUD Pintu Padang Kabupaten Tapsel Menggunakan Algoritma Random Forest

Abstract

Diabetes melitus tipe 2 merupakan penyakit kronis yang kasusnya terus bertambah dari tahun ke tahun, termasuk di wilayah Tapanuli Selatan. Persoalan yang muncul di lapangan adalah banyaknya pasien yang baru mengetahui kondisinya setelah penyakit berkembang cukup jauh, sebagian karena sistem skrining yang ada masih bersifat konvensional dan bergantung sepenuhnya pada evaluasi klinis manual. Penelitian ini berupaya menjawab persoalan tersebut dengan membangun model deteksi dini berbasis machine learning menggunakan data rekam medis pasien RSUD Pintu Padang. Algoritma yang digunakan adalah random forest, sebuah pendekatan ensemble learning yang menggabungkan banyak pohon keputusan (decision tree) untuk menghasilkan prediksi yang lebih stabil dan akurat.. Hasil evaluasi model menunjukkan kinerja yang cukup baik. Algoritma random forest menghasilkan nilai akurasi sebesar 80,82%, yang berarti model mampu mengklasifikasikan sebagian besar data secara tepat. Nilai presisi dan recall masing-masing berada di angka 75%, yang mencerminkan keseimbangan antara kemampuan model dalam mendeteksi kasus positif secara benar serta meminimalkan prediksi yang keliru. F1-score yang diperoleh juga sebesar 75%, mengonfirmasi bahwa model memiliki keseimbangan yang baik antara presisi dan recall dalam kondisi data yang tidak sepenuhnya seimbang. Penelitian ini menunjukkan bahwa pemanfaatan data rekam medis yang telah tersedia di fasilitas kesehatan daerah, jika diolah dengan pendekatan yang tepat, dapat menghasilkan alat bantu prediksi yang praktis dan bernilai klinis. Sistem yang dikembangkan diharapkan mampu mendukung pengambilan keputusan medis lebih awal serta berkontribusi pada peningkatan kualitas layanan kesehatan di tingkat daerah