Catatan bukti · UDINUS · SDGs
- Unit
- Rektorat UDINUS
- Periode
- 2025
- Tujuan
- Nomor
- 9bfa8d2a-665d-44fe-94d4-4a6626264ddd
- Terbit
- 2026-10-30
Universitas Dian Nuswantoro melaksanakan studi yang mengkaji peran teknik resampling dalam meningkatkan kinerja model pembelajaran mesin untuk mendeteksi Diabetes Melitus pada kumpulan data yang tidak seimbang. Kegiatan ini melibatkan Setiawan, Agustinus Eko; Rustad, Supriadi; Syukur, Abdul; Soeleman, Moch Arief; Akrom, Muhamad; dan Setiawan, Andreas Wilson sebagai peserta dari institusi.
Studi tersebut menggunakan kumpulan data BRFSS 2015 dan PIMA Indian. Lima algoritma pembelajaran mesin diterapkan pada kedua kumpulan data sebelum dan sesudah resampling, yaitu KNN, RF, SVM, GB, dan XGB. Teknik resampling yang dikaji adalah SMOTE, SMOTE-TOMEK, dan SMOTE-ENN. Studi menemukan bahwa seluruh teknik resampling tersebut meningkatkan kinerja semua model pembelajaran mesin yang dievaluasi.
Peningkatan terbaik pada kumpulan data BRFSS 2015 diperoleh melalui kombinasi KNN dan SMOTE-ENN, dengan akurasi 0,97 dan metrik evaluasi lainnya pada rentang 0,96 hingga 0,99. Pada kumpulan data PIMA Indian, kombinasi yang sama mencapai nilai 1,0 untuk seluruh metrik evaluasi. Studi ini juga mengamati bahwa resampling meningkatkan korelasi antara setiap fitur dan target sehingga model lebih mudah mengenali pola data.
Dalam kaitannya dengan tujuan pengembangan riset kesehatan, studi ini melaporkan bahwa pada kumpulan data yang tidak seimbang, peran resampling lebih layak diperhatikan daripada pemilihan algoritma. Dengan SMOTE-ENN, perbedaan kinerja antar-model pembelajaran mesin paling tinggi sebesar 2 hingga 4 persen. Dengan demikian, UDINUS memposisikan kegiatan ini sebagai riset mengenai metode resampling dan pembelajaran mesin untuk prediksi Diabetes Melitus yang dilaporkan memiliki relevansi terhadap penerapan yang fleksibel di sektor kesehatan.