Skripsi

Prediksi Perkembangan Diabetes Menggunakan Model Gated Recurrent Unit Berbasis Attention Pada Data Medis

---

ABSTRAK
SUL AGUS ZARNI, 2026. Prediksi Perkembangan Diabetes Menggunakan Model Gated Recurrent Unit Berbasis Attention Pada Data Medis (dibimbing oleh Andi Yulia Muniar dan A. Sumardin)

Permasalahan yang terjadi adalah model Gated Recurrent Unit (GRU) standar memproses setiap kunjungan pasien secara setara tanpa pembobotan, sehingga indikator kritis seperti HbA1c dan dosis insulin mudah terdistorsi dan menurunkan keandalan prediksi perburukan kondisi pasien Diabetes Melitus (DM). Sebagai solusi atas permasalahan di atas maka peneliti mengusulkan model GRU yang diintegrasikan dengan mekanisme Bahdanau Attention. Penelitian ini bertujuan untuk menganalisis efektivitas GRU berbasis Attention dalam memproses data medis, mengukur kinerjanya dalam memprediksi risiko perburukan kondisi pasien diabetes melalui readmisi rawat inap kurang dari 30 hari, serta membandingkannya dengan model pembanding. Data ini diperoleh melalui studi pustaka dan data sekunder dari repositori publik UCI Machine Learning Repository dan Kaggle, yaitu dataset Diabetes 130-US Hospitals for Years 1999–2008 sebanyak 101.766 record dari 71.518 pasien unik. Metode analisis data yang digunakan adalah analisis kuantitatif eksperimental melalui seleksi 25 fitur dengan Mutual Information, pembagian data level pasien 80:20, pembentukan data sekuensial dengan sliding window T=5, penanganan ketidakseimbangan kelas dengan class weight yang dipilih melalui Randomized Grid Search, serta perbandingan delapan skenario arsitektur berdasarkan akurasi, presisi, recall, F1-score, dan ROC-AUC. Hasil penelitian ini menunjukkan bahwa model GRU-Attention terbukti efektif mempelajari pola data rekam medis sekuensial dengan ROC-AUC 0,8110 dan recall 55,67%, serta lebih baik daripada GRU standar pada akurasi (87,62% vs 87,19%), presisi (34,31% vs 33,49%), F1-score (0,4246 vs 0,4217), dan ROC-AUC (0,8110 vs 0,8108), meskipun recall sedikit lebih rendah (55,67% vs 56,91%), sehingga keunggulannya tidak mutlak pada seluruh metrik.

Kata Kunci: Diabetes Melitus, Gated Recurrent Unit, Bahdanau Attention, Prediksi Readmisi, Rekam Medis Elektronik.

---

Ketersediaan

Informasi Detail

Judul Seri

-

No. Panggil

SKR SUL p

Penerbit

Makassar : UNITAMA., 2026

Deskripsi Fisik

xiii + 88 hlm., 28,5 cm

Bahasa

Indonesia

ISBN/ISSN

-

Klasifikasi

REF SUL p

Tipe Isi

-

Tipe Media

-

Tipe Pembawa

-

Edisi

-

Subjek

-

Info Detail Spesifik

Pembimbing I: Andi Yulia MUniar dan Pembimbing II: A. Sumardin Penguji: Ilham, Andi Maulidinnawati A. K. P, dan Tamra

Pernyataan Tanggungjawab

-

Versi lain/terkait

Lampiran Berkas

Komentar

---

Anda harus masuk sebelum memberikan komentar