Validasi Klinis Berbasis DiaBD (2025)
Sistem deteksi dini menggunakan algoritma Decision Tree untuk menganalisis 14 parameter klinis. Dapatkan hasil analisis real-time dengan akurasi tinggi berdasarkan standar biometrik internasional.
Memberikan transparansi diagnosis dengan memvisualisasikan kontribusi variabel klinis, di mana Status Hipertensi (32.834%) dan Glukosa (14.690%) teridentifikasi sebagai faktor risiko paling dominan berdasarkan nilai Information Gain.
Mengintegrasikan data laboratorium dengan standar internasional melalui konversi otomatis glukosa ke satuan mmol/L dan perhitungan BMI presisi menggunakan rumus medis resmi untuk menjamin validitas input algoritma.
Menyediakan luaran formal hasil analisis sistem (99.26%) yang mencakup status risiko, skor kepercayaan model, dan ringkasan 14 parameter biometrik sebagai dokumen pendukung pengambilan keputusan klinis oleh tenaga medis.
Model divalidasi menggunakan dataset DiaBD
Model mencapai akurasi 99.26% melalui optimasi kriteria Entropy dan Information Gain. Performa ini memastikan pemisahan data yang presisi antara kelas positif dan negatif.
F1-Score 0.97 menunjukkan keseimbangan sempurna antara Precision dan Recall. Metrik ini membuktikan ketangguhan model dalam menangani imbalanced data menggunakan teknik SMOTE sesuai standar evaluasi klinis.
Data berasal dari 5,288 subjek unik dari 63 wilayah di Bangladesh yang telah melalui pembersihan duplicate records dan validasi medis ketat oleh tim ahli physician.