Penerapan Model Jaringan Syaraf Tiruan Untuk Klasifikasi Penyakit Diabetes Menggunakan Metode Multilayer Perceptron

Penelitian ini bertujuan untuk mengimplementasikan model jaringan syaraf tiruan untuk menganalisis klasifikasi penyakit. Pengklasifikasian dapat diselesaikan menggunakan sebuah model Jaringan Syaraf Tiruan dengan metode Multilayer Perceptron dari dataset yang sudah tersedia dari Kaggle Pima Indian Database. Pada penelitian ini penulis melakukan perbandingan menggunakan dataset yang sama dengan menganakisis pengaruh nilai akurasi dengan tidak melakukan proses distribusi dan pra-proses data dan dengan melakukan distribusi dan pra-proses data. Dataset yang digunakan berisi data medis seperti Pregnancies, Glucose, BloodPressure, SkinThickness, Insulin, BMI, DiabetesPedigreeFunction dan Age. Tahapan awal melakukan implementasi dengan tidak melakukan distribusi dan praproses data lalu di evaluasi. Pada tahap kedua adalah distribusi data dengan cara cek dan imputasi nilai nol (seperti pada Glucose, BloodPressure dan BMI bernilai 0) dimana pada medis menyatakan hal tersebut tidak mungkin, pembersihan duplikat data, deteksi dan penanganan outlier, cek jumlah distribusi target. Lalu tahap selanjutnya yaitu Pra-proses data dengan cara penyeimbangan dataset, penyeimbangan kelas dengan distribusi kelas menggunakan teknik Synthetic Minority Over-sampling Technique (SMOTE), dan normalisasi data. Setelah data dipersiapkan, model MLP dibangun dan dilatih menggunakan data latih, kemudian dievaluasi pada data uji. Arsitektur model terdiri dari beberapa lapisan seperti input layer, hidden layer dengan menggunakan fungsi aktivasi ReLU, lalu menggunakan fungsi aktivasi sigmoid pada lapisan output. Evaluasi dilakukan dengan menggunakan metrik akurasi, presisi, recall dan F1-score. Tahap Terakhir adalah melakukan perbandingan akurasi dari evaluasi dan implementasi yang telah dilakukan.