Klasifikasi diagnosis diabetes melitus gestasional pada ibu hamil menggunakan algoritma gradient boosting machine

Diabetes Melitus Gestasional (DMG) merupakan gangguan metabolisme yang terjadi pada ibu hamil yang ditandai dengan kadar gula darah yang tinggi selama kehamilan, meskipun sebelumnya tidak ada riwayat diabetes. Kondisi ini dapat membahayakan kesehatan ibu dan janin, sehingga memerlukan perhatian khusus. Komplikasi yang dapat ditimbulkan antara lain risiko kelahiran prematur, gangguan perkembangan janin, hingga masalah kesehatan jangka panjang bagi ibu. Penelitian ini bertujuan untuk mengklasifikasikan status kesehatan ibu hamil berdasarkan hasil tes laboratorium untuk mendeteksi keberadaan DMG (positif atau negatif). Metode Gradient Boosting Machine (GBM) dipilih karena teknik ensemble learning ini memiliki keunggulan dalam mengoptimalkan prediksi dengan mengurangi kesalahan secara bertahap. Proses ini dilakukan dengan K-fold Cross Validation dengan K = 5 untuk mengevaluasi kinerja model secara menyeluruh. Selain itu, optimasi model dilakukan menggunakan Grid Search CV untuk memperoleh kombinasi hyperparameter terbaik. Berdasarkan hasil optimasi, parameter terbaik yang diperoleh untuk model GBM adalah n_estimators sebesar 50, learning rate sebesar 0.3, max depth sebesar 3, min samples split sebesar 2, min samples leaf sebesar 1, max features menggunakan metode sqrt, serta subsample sebesar 0.8. Model yang dihasilkan mencapai akurasi sebesar 98,4%, sensitivity sebesar 98,47%, dan specificity sebesar 98,41%. Hasil ini menunjukkan bahwa model GBM yang telah dioptimalkan dapat memberikan performa yang sangat baik dalam mengklasifikasikan status DMG, yang berpotensi digunakan sebagai alat bantu dalam deteksi dini penyakit DMG pada ibu hamil.