Analisis dan Prediksi Diabetes Menggunakan Artificial Neural Network dengan Dataset CDC Diabetes Health Indicators

Diabetes melitus merupakan salah satu penyakit tidak menular yang prevalensinya terus meningkat secara global, termasuk di Indonesia. Deteksi dini terhadap risiko diabetes menjadi penting guna mencegah komplikasi lebih lanjut. Penelitian ini bertujuan untuk membangun model prediksi diabetes menggunakan algoritma Artificial Neural Network (ANN) dengan pendekatan multilayer perceptron berbasis TensorFlow. Dataset yang digunakan adalah CDC Diabetes Health Indicators dengan enam variabel input, yaitu usia, indeks massa tubuh (BMI), jenis kelamin, tekanan darah tinggi, aktivitas fisik, dan status merokok. Data diproses melalui normalisasi dan dibagi menggunakan metode stratified sampling. Model dilatih selama 10 epoch dengan optimasi Adam dan fungsi aktivasi ReLU pada hidden layer. Hasil pengujian menunjukkan bahwa model mampu mencapai akurasi validasi sebesar 86,45%, dengan nilai AUC-ROC sebesar 0,89. Model ini menunjukkan kinerja klasifikasi yang baik dan dapat digunakan sebagai alat bantu skrining awal risiko diabetes pada layanan kesehatan primer. Penelitian ini berkontribusi dalam pemanfaatan pembelajaran mesin untuk pengambilan keputusan klinis berbasis data non-laboratorium.