Dosen dan Mahasiswa UBSI Purwokerto Publikasikan Riset Sistem Prediksi Diabetes "DIAPRES" dengan Akurasi 98% di Jurnal Nasional Terakreditasi
PURWOKERTO, JAWA TENGAH -- Januari 2024 -- Sebuah tim peneliti kolaboratif yang terdiri dari dosen dan mahasiswa Universitas Bina Sarana Informatika (UBSI) Kampus Purwokerto telah berhasil mengembangkan sistem prediksi diabetes inovatif dengan tingkat akurasi yang sangat tinggi. Riset yang berjudul "DIABETES PREDICTION SYSTEM "DIAPRES" BERBASIS OPTIMASI PARAMETER PADA METODE DECISION TREE" ini telah resmi dipublikasikan pada Jurnal Teknoinfo Volume 18 Nomor 1 Tahun 2024, sebuah jurnal ilmiah nasional yang terakreditasi Sinta 4.
Tim peneliti yang terlibat dalam pencapaian ini adalah Elly Muningsih, M.Kom., dan Sutrisno, M.Kom., bersama dengan mahasiswa Fitriyani Rizki dan Khurotul Dwi Asiffa. Penelitian mereka berfokus pada pengembangan solusi teknologi untuk deteksi dini penyakit diabetes, sebuah kondisi kronis yang seringkali memicu komplikasi berbahaya seperti serangan jantung dan stroke.
Latar belakang penelitian ini didasari oleh data mengkhawatirkan dari Riset Kesehatan Dasar (Riskesdas) tahun 2018, yang menunjukkan bahwa hanya sekitar 25% penderita diabetes di Indonesia yang menyadari kondisi mereka. Rendahnya tingkat kesadaran ini menjadi tantangan besar dalam upaya pencegahan dan penanganan diabetes. Untuk mengatasi masalah ini, tim UBSI Purwokerto mengembangkan aplikasi prediksi penyakit diabetes "DIAPRES" dengan memanfaatkan metode klasifikasi Data Mining.
Inti dari inovasi penelitian ini terletak pada optimasi parameter metode klasifikasi Decision Tree. "Kami berupaya memaksimalkan potensi metode Decision Tree dengan melakukan optimasi parameter secara cermat untuk menghasilkan tingkat akurasi prediksi tertinggi," jelas Elly Muningsih, M.Kom., salah satu dosen peneliti. Parameter yang dioptimasi mencakup Number of folds pada teknik Cross Validation, serta parameter spesifik pada metode Decision Tree seperti Criterion, maximal depth, apply pruning, dan apply pre pruning.
Data penelitian diambil dari repositori publik Kaggle, dengan total 2000 catatan (record) dan 9 atribut, termasuk satu atribut khusus sebagai target prediksi. Evaluasi sistem dilakukan dengan membandingkan secara teliti nilai akurasi sebelum dan sesudah proses optimasi parameter.
Hasil eksperimen menunjukkan peningkatan akurasi yang sangat signifikan. "Sebelum optimasi, nilai akurasi yang kami peroleh berkisar antara 76% hingga 80%. Namun, setelah melalui serangkaian proses optimasi parameter, sistem 'DIAPRES' mampu mencapai tingkat akurasi hingga 98,00%," papar Sutrisno, M.Kom. Tingkat akurasi yang tinggi ini menjadi dasar pengembangan aplikasi Diabetes Prediction System 'DIAPRES' berbasis web.
Pengembangan perangkat lunak sistem "DIAPRES" ini menggunakan metode Waterfall, dengan bahasa pemrograman PHP dan basis data MySQL. Pengujian fungsionalitas aplikasi dilakukan menggunakan metode Black Box Testing untuk memastikan sistem berjalan sesuai dengan rancangan dan kebutuhan pengguna.
Publikasi penelitian ini di Jurnal Teknoinfo (Sinta 4) tidak hanya menjadi pengakuan atas kualitas riset yang dilakukan oleh dosen dan mahasiswa UBSI Purwokerto, tetapi juga diharapkan dapat memberikan kontribusi nyata dalam upaya deteksi dini diabetes di masyarakat. Sistem "DIAPRES" berpotensi menjadi alat bantu yang efektif bagi tenaga medis maupun individu untuk melakukan skrining awal risiko diabetes.
Keberhasilan ini menegaskan komitmen UBSI Purwokerto dalam mendorong budaya riset yang inovatif dan kolaboratif, serta menghasilkan karya ilmiah yang berdampak positif bagi masyarakat luas.
Tentang Jurnal Teknoinfo Jurnal Teknoinfo adalah jurnal ilmiah berkala yang diterbitkan untuk menyebarluaskan hasil penelitian dan kajian di bidang teknologi informasi dan ilmu komputer. Jurnal ini telah terakreditasi Sinta 4 oleh Kementerian Pendidikan, Kebudayaan, Riset, dan Teknologi RI.
