PENGEMBANGAN APLIKASI PREDIKSI PENYAKIT DIABETES DENGAN METODE SUPPORT VECTOR MACHINE MENGGUNAKAN FRAMEWORK STREAMLIT

Tingginya prevalensi penyakit diabetes serta keterbatasan akses terhadap deteksi dini menjadi tantangan serius di bidang kesehatan. Penelitian ini bertujuan untuk
mengembangkan aplikasi prediksi risiko diabetes berbasis web menggunakan framework Streamlit, dengan memanfaatkan model prediksi berbasis metode Support Vector Machine (SVM). Pembuatan model mengikuti kerangka kerja CRISP-DM, mulai dari pemahaman bisnis hingga tahap deployment. Dataset yang digunakan adalah Pima Indian Diabetes, dengan tahap pra-pemrosesan yang mencakup penanganan outlier menggunakan metode Interquartile Range (IQR) serta standarisasi data dengan StandardScaler. Model SVM dengan kernel linear dievaluasi menggunakan 5-fold cross-validation, menghasilkan akurasi sebesar 81% pada data uji dan rata-rata skor validasi silang sebesar 0,756. Aplikasi yang dikembangkan dilengkapi dengan fitur utama seperti Edukasi Diabetes, prediksi diabetes, kalkulator BMI, peta lokasi rumah sakit, serta penyimpanan data BMI dan
data pasien. Hasil pengujian menggunakan metode Black-box testing menunjukkan bahwa seluruh fungsi aplikasi berjalan 100% sesuai dengan yang diharapkan.