Catatan bukti · UDINUS · SDGs
- Unit
- Rektorat UDINUS
- Periode
- 2025
- Tujuan
- Nomor
- cc6ee8d5-6254-433c-bf60-48dd9eafa92a
- Terbit
- 2026-10-30
Universitas Dian Nuswantoro melaksanakan penelitian mengenai deteksi diabetes tahap awal dengan menggunakan pendekatan deep learning pada data medis. Kegiatan ini melibatkan peneliti UDINUS Ramadhani, Talitha Olga; Shidik, Guruh Fajar; Novtagravina, Adelfia Milka; Nuraini, Aisyah; Widhiyanti, Erna Amalia; dan Kusum, Edi Jaya. Penelitian ini membahas diabetes sebagai risiko kesehatan global yang signifikan dan sebagai salah satu penyebab utama kematian di seluruh dunia. Fokus kegiatan adalah pentingnya deteksi risiko diabetes yang lebih awal untuk menghindari komplikasi lebih lanjut.
Kegiatan tersebut mengkaji ketidakseimbangan kelas pada dataset medis, yang dapat menyebabkan bias pada model prediksi. Dalam dataset ESDRP, penelitian ini menilai lima model deep learning, yaitu CNN, ANN, FFNN, MLP, dan LSTM. Delapan strategi resampling yang berbeda dievaluasi untuk mengurangi persoalan ketidakseimbangan kelas. Hasil eksperimen menunjukkan bahwa pendekatan hibrida ADASYN-ENN memberikan kinerja terbaik. Ketika digunakan bersama model CNN, pendekatan tersebut menghasilkan akurasi 98,70%, presisi 100%, recall 96,15%, skor F1 98,04%, dan skor AUC 99,85%.
Temuan penelitian menunjukkan bahwa kombinasi oversampling dan undersampling merupakan solusi optimal untuk deteksi diabetes dengan data yang tidak seimbang. Melalui kegiatan ini, UDINUS melaksanakan tujuan yang berkaitan dengan penelitian kesehatan dengan menguji metode untuk meningkatkan deteksi diabetes dalam kondisi ketidakseimbangan kelas. Kegiatan ini menjadi bagian dari penelitian UDINUS yang berfokus pada data medis, model deep learning, dan strategi resampling untuk deteksi diabetes.