Tim IIB Darmajaya Kembangkan AI untuk Deteksi Dini Diabetes Melitus
- Tim IIB Darmajaya mengembangkan AI untuk deteksi dini diabetes melitus
- Bantu tenaga medis mengambil keputusan lebih cepat dan akurat dengan skor AUC 86%
- Teknologi ini bukan untuk menggantikan peran dokter, mahasiswa bangga bisa publikasi di jurnal Sinta
Bandar Lampung, IDN Times – Diabetes melitus dikenal sebagai penyakit kronis yang kerap dijuluki silent killer. Penyakit ini menjadi salah satu penyebab kematian tertinggi di Indonesia karena sering kali tidak menimbulkan gejala di awal dan baru terdeteksi setelah memunculkan komplikasi serius.
Menyadari urgensi deteksi dini, tim peneliti dari Institut Informatika dan Bisnis (IIB) Darmajaya berhasil menghadirkan inovasi berbasis kecerdasan buatan (AI) untuk membantu diagnosis awal diabetes. Riset berjudul “Evaluasi Performa Random Forest, XGBoost, dan LightGBM dalam Diagnosis Dini Diabetes Mellitus” ini telah dipublikasikan pada Jurnal Penelitian Ilmu dan Teknologi Komputer (JUPITER) Vol. 17 No. 2 Tahun 2025 yang terakreditasi Sinta 5.
1. Bantu tenaga medis mengambil keputusan lebih cepat dan akurat
Tim peneliti ini terdiri dari dosen dan mahasiswa, yakni Hendra Kurniawan, Asmaul Dwi Akbar, Nicholas Svensons, Yandi Jaya Antonio, Sri Karnila, Egi Safitri dan Nurjoko. Hendra Kurniawan. Dosen Prodi Sains Data IIB Darmajaya sekaligus penulis pertama mengatakan, ingin memanfaatkan teknologi machine learning untuk membantu tenaga medis mengambil keputusan lebih cepat dan akurat.
"Dari hasil penelitian, Random Forest terbukti memberikan performa terbaik dengan skor AUC sebesar 86 persen. Ini menunjukkan kemampuan tinggi dalam mendeteksi potensi diabetes sejak dini,” jelas Hendra, Kamis (28/8/2025).
2. Teknologi ini bukan untuk menggantikan peran dokter
Hendra menyampaikan, dalam riset tersebut tim menggunakan data dari National Institute of Diabetes and Digestive and Kidney Diseases (NIDDK) yang berisi 768 sampel dengan sembilan fitur penting, mulai dari kadar glukosa, tekanan darah, hingga indeks massa tubuh. Data tersebut kemudian diproses menggunakan teknik modern, seperti data preprocessing, metode penyeimbangan SMOTE, serta evaluasi model melalui metrik akurasi, presisi, recall, F1-score, dan Area Under the Curve (AUC).
Menurutnya, hasil pengujian menunjukkan bahwa algoritma Random Forest unggul dibanding dua algoritma lainnya, yakni XGBoost (83 persen) dan LightGBM (82 persen). Meski demikian, Hendra menegaskan bahwa teknologi ini bukan untuk menggantikan peran dokter.
“Justru sistem ini kami rancang sebagai decision support system atau pendukung keputusan medis. Jika diintegrasikan dengan layanan kesehatan, pasien bisa memperoleh diagnosis awal lebih cepat, sementara dokter terbantu dalam memberikan penanganan yang tepat. Itu harapan besar kami,” jelasnya.
3. Mahasiswa bangga bisa publikasi di jurnal Sinta
Asmaul Dwi Akbar, salah satu anggota tim mahasiswa mengatakan, pengalaman publikasi di jurnal ilmiah bereputasi menjadi kebanggaan tersendiri. Menurutnya, itu menjadi bukti mahasiswa tidak hanya mempelajari teori, tetapi juga bisa menghasilkan penelitian dengan dampak luas.
"Apalagi, bisa terbit di jurnal terakreditasi Sinta, tentu jadi pencapaian yang berharga,” ujarnya.
Ia berharap, inovasi berbasis AI seperti ini bisa terus dikembangkan hingga benar-benar bermanfaat di dunia medis, khususnya dalam upaya memerangi diabetes yang telah menjadi ancaman global.
