PENANGANAN IMBALANCE DATA DENGAN RANDOM OVERSAMPLING (ROS) PADA KLASIFIKASI PENDERITA DIABETES MENGGUNAKAN SUPPORT VECTOR MACHINE (SVM)

DHIFA ZHAFIRAH, 1917031032 (2023) PENANGANAN IMBALANCE DATA DENGAN RANDOM OVERSAMPLING (ROS) PADA KLASIFIKASI PENDERITA DIABETES MENGGUNAKAN SUPPORT VECTOR MACHINE (SVM). FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM, UNIVERSITAS LAMPUNG. (Submitted)

Preview	File PDF ABSTRAK.pdf Download (33Kb) | Preview
	File PDF SKRIPSI FULL.pdf Restricted to Hanya staf Download (1572Kb)
Preview	File PDF SKRIPSI TANPA BAB PEMBAHASAN.pdf Download (1393Kb) | Preview

Abstrak (Berisi Bastraknya saja, Judul dan Nama Tidak Boleh di Masukan)

ABSTRACT HANDLING OF IMBALANCE DATA WITH RANDOM OVERSAMPLING (ROS) IN CLASSIFICATION OF DIABETIC PATIENTS USING SUPPORT VECTOR MACHINE (SVM) By Dhifa Zhafirah Diabetes mellitus is a health problem that often occurs in Indonesia, especially in Lampung Province. This disease is a condition in which the body does not produce enough or use the insulin hormone that carries glucose into the body's cells. The purpose of this research is to create a machine-learning model that can detect diabetes early using a Support Vector Machine (SVM). However, the dataset used in the research has data imbalance problems. Therefore, Random Oversampling (ROS) is used to overcome this problem. The results obtained from this study, ROS is able to handle imbalance data so that the accuracy value obtained reaches 96.43% (excellent classification) with the C-Classification model and Radial Basis Function (RBF) kernel, as well as sigma one and cost one parameter for the training data scheme 90% and 10% testing data. This accuracy value increases sharply compared to without ROS, which is only around 76%. Keywords : Diabetes Melitus, Imbalance Data, Random Oversampling, Support Vector Machine Diabetes melitus adalah salah satu masalah kesehatan yang sering terjadi di Indonesia khususnya Provinsi Lampung. Penyakit ini merupakan suatu kondisi dimana tubuh tidak cukup untuk menghasilkan atau menggunakan hormon insulin yang membawa glukosa ke dalam sel-sel tubuh. Tujuan penelitian ini adalah membuat model machine learning yang dapat mendeteksi dini penyakit diabetes menggunakan Support Vector Machine (SVM). Namun, pada dataset yang digunakan dalam penelitian memiliki masalah ketidakseimbangan data (imbalance data). Oleh karena itu, digunakan Random Oversampling (ROS) untuk mengatasi masalah tersebut. Hasil yang diperoleh dari penelitian ini, ROS mampu menangani imbalance data sehingga nilai akurasi yang didapatkan mencapai 96.43% (excellent classification) dengan model type C-Classification dan kernel Radial Basis Function (RBF), serta parameter sigma 1 dan cost 1 untuk skema data latih 90% dan data uji 10%. Nilai akurasi ini meningkat tajam dibandingkan tanpa ROS yang hanya sekitar 76%. Kata Kunci : Diabetes Melitus, Ketidakseimbangan Data, Random Oversampling, Support Vector Machine

Jenis Karya Akhir:	Skripsi
Subyek:	000 Ilmu komputer, informasi dan pekerjaan umum 000 Ilmu komputer, informasi dan pekerjaan umum > 001 Ilmu pengetahuan
Program Studi:	FAKULTAS MIPA > Prodi Matematika
Pengguna Deposit:	2301489374 . Digilib
Date Deposited:	22 Feb 2023 04:48
Terakhir diubah:	22 Feb 2023 04:48
URI:	http://digilib.unila.ac.id/id/eprint/69842

Actions (login required)

Lihat Karya Akhir