Taufik Hidayat Penguji 1 Syahriani Syam Ketua Penguji Vina Septiana Windyasari Penguji 1 Fitri Sapela Pengarang Asri Nurhafasari Dosen Pembimbing 2

Survei Ikatan Dokter Anak Indonesia (IDAI) menunjukkan peningkatan prevalensi Diabetes Melitus dalam kurun waktu 13 tahun, dari tahun 2010 hingga 2023 pada anak Indonesia melonjak 70 kali lipat. Penilaian status risiko Diabetes Melitus menjadi langkah awal dalam mengidentifikasi pemeriksaan kesehatan yang dapat dihadapi oleh pasien. Penelitian ini bertujuan mengidentifikasi resiko penyakit Diabetes Melitus dan dapat dilakukan intervensi yang tepat dalam mencegah penyakit Diabetes Melitus dengan pendekatan machine learning komparasi model Random Forest Classifier dan Multi-Layer Perceptron Classifier (MLP). Metode penelitian yang digunakan adalah kuantitatif dengan teknik pengumpulan data atribut polidipsia, poliuria, luka lamban sembuh, berat badan menurun, GDP (mg/dL), GDS (mg/dL) pada pemeriksaan di Puskesamas Panunggangan. Hasil penelitian ini akan mengevaluasi kinerja secara keseluruhan preprocessing hingga model, dimana pada tahap klasifikasi model dilakukan perbandingan SMOTE dan tanpa SMOTE untuk mengevaluasi ketepatan pada model. Implikasi penelitian ini adalah analisa dengan Normalization min-max, SMOTE, Gaussian Base-SMOTE, Random Splitting 70:30, 75:25, 80:20 dan komparasi model dengan memberikan akurasi yang berbeda yaitu SMOTE menghasilkan akurasi yang sangat baik, model Random Forest Classifier akurasi 99% dan Multi-Layer Perceptron akurasi 98% dari Random Split 70:30.