Implementasi Algoritma Jaringan Syaraf Tiruan Backpropagation untuk Prediksi Penyakit Diabetes

Alwi Syahputra; Lailan Sofinah Harahap

doi:10.61132/mars.v3i6.1312

Implementasi Algoritma Jaringan Syaraf Tiruan Backpropagation untuk Prediksi Penyakit Diabetes

Authors

Alwi Syahputra Universitas Islam Negeri Sumatera Utara
Lailan Sofinah Harahap Universitas Islam Negeri Sumatera Utara

DOI:

https://doi.org/10.61132/mars.v3i6.1312

Keywords:

Artificial Neural Network, Backpropagation, Diabetes Mellitus, Pima Indians Dataset, Prediction

Abstract

Diabetes Mellitus is a chronic disease that requires early detection to prevent serious complications. This study aims to implement the Artificial Neural Network (ANN) algorithm with the Backpropagation method to predict the risk of diabetes. The dataset used is the Pima Indians Diabetes Dataset, consisting of 768 medical records with 8 feature attributes. This study employs the Multi-Layer Perceptron method with an architecture of 8 input neurons, two hidden layers, and 1 output neuron. Model evaluation is conducted using a Confusion Matrix to measure accuracy levels. The test results show that the model is capable of predicting diabetes diagnosis with an accuracy rate of 76.62%. Based on these results, it can be concluded that the Backpropagation algorithm is effective as an alternative method for early detection of diabetes, although further development is needed to improve the model's sensitivity to positive cases.

References

Alzboon, M. S. (2025). Diabetes prediction and management using machine learning algorithms [Preprint]. arXiv. https://arxiv.org/abs/2506.11501

Aminuddin, A., Sima, Y., Izza, N. C., Norma, N. S., & Arda, D. (2023). Edukasi kesehatan tentang penyakit diabetes melitus bagi masyarakat. Jurnal Pengabdian kepada Masyarakat, 2(1), 7–12. https://doi.org/10.35816/abdimaspolsaka.v2i1.25

Artanti, P. H. (2023). Penerapan neural network dengan optimasi ant colony optimization dan backpropagation untuk membangun model prediksi diabetes tahap awal [Tesis]. Universitas Islam Negeri Maulana Malik Ibrahim. http://etheses.uin-malang.ac.id/59735/7/19650090.pdf

Cahyani, N., Irsyada, R., & Mahmuda, R. (2025). Penerapan algoritma neural network untuk klasifikasi diabetes mellitus: Perbandingan backpropagation dan resilient backpropagation. Digital Transformation Technology, 4(2), 1067–1074. https://doi.org/10.47709/digitech.v4i2.5208

Efendi, D. F. (2025). Peningkatan akurasi pada backpropagation dengan teknik grid search terhadap prediksi diabetes mellitus. Jurnal Penelitian Ilmu Komputer, 3(2), 33–38.

Efendi, D. F. (2025). Peningkatan akurasi pada backpropagation dengan teknik grid search terhadap prediksi diabetes mellitus. Jurnal Penelitian Ilmu Komputer, 3(2), 33–38. https://jpilkom.org/index.php/journal/article/view/81

Erlin, Marlim, Y. N., Junadhi, Suryati, L., & Agustina, N. (2022). Deteksi dini penyakit diabetes menggunakan machine learning dengan algoritma logistic regression. Jurnal Nasional Teknik Elektro dan Teknologi Informasi, 11(2), 88–96.

Guswanti, W., Afrianty, I., Budianita, E., & Syafria, F. (2024). Perbandingan inisialisasi bobot random dan Nguyen-Widrow pada backpropagation dalam klasifikasi penyakit diabetes. Jurnal Informatika (Jurnal Pengembangan IT), 9(2).

Guswanti, W., Afrianty, I., Budianita, E., & Syafria, F. (2025). Perbandingan inisialisasi bobot random dan Nguyen-Widrow pada backpropagation dalam klasifikasi penyakit diabetes. Jurnal Informatika, 9(2). https://ejournal.poltekharber.ac.id/index.php/informatika/article/view/8618

Marwati, F., & Fauzi, R. (2024). Prediksi penyakit diabetes melitus menggunakan jaringan syaraf tiruan dengan metode backpropagation. Jurnal Informatika Utama, 2(1), 26–34. https://doi.org/10.55903/jitu.v2i1.163

Nisa, N. K., Sani, D. A., & Udin, M. (2025). Prediksi dini resiko penyakit diabetes menggunakan jaringan syaraf tiruan backpropagation. Jurnal Mahasiswa Teknik Informatika, 9(5), 9096–9102. https://doi.org/10.36040/jati.v9i5.15134

Nurhadi, N., Defit, S., & Nurcahyo, G. W. (2025). Model deep learning berbasis multilayer perceptron untuk identifikasi demam berdarah dengue dan tifus. Bulletin of Computer Science Research, 5(5), 1095–1102. https://doi.org/10.47065/bulletincsr.v5i5.754

Singh, A., Destra, E., Kurniawan, J., Suros, A. S., Febriastuti, A., & Sitorus, R. A. H. (2024). Kegiatan deteksi dini penyakit diabetes mellitus tipe 2 melalui pemeriksaan gula darah sewaktu pada kelompok usia produktif. Jurnal Pengabdian Masyarakat, 3(1), 207–213. https://doi.org/10.30640/abdimas45.v3i1.2986

Wardhana, F. K. (2024). Penerapan backpropagation jaringan saraf tiruan untuk prediksi diabetes menggunakan dataset Pima Indians. Seminar Nasional Sains dan Aplikasi, 4. https://ojs.amikomsolo.ac.id/index.php/semnasa/article/view/485

Zaferani, N. (2025). Predicting and classifying type 2 diabetes using a hybrid machine learning model. Scientific Reports. https://doi.org/10.1038/s41598-025-31562-5

Downloads

Published

2025-12-30

How to Cite

Alwi Syahputra, & Lailan Sofinah Harahap. (2025). Implementasi Algoritma Jaringan Syaraf Tiruan Backpropagation untuk Prediksi Penyakit Diabetes. Mars: Jurnal Teknik Mesin, Industri, Elektro Dan Ilmu Komputer, 3(6), 236–245. https://doi.org/10.61132/mars.v3i6.1312