title: PENANGANAN IMBALANCE DATA DENGAN RANDOM OVERSAMPLING  (ROS) PADA KLASIFIKASI PENDERITA DIABETES MENGGUNAKAN  SUPPORT VECTOR MACHINE (SVM)
creator: DHIFA ZHAFIRAH, 1917031032
subject: 000 Ilmu komputer, informasi dan pekerjaan umum
subject: 001 Ilmu pengetahuan
description: 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
publisher: FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM
date: 2023-02-08
type: Skripsi
type: NonPeerReviewed
format: text
identifier: http://digilib.unila.ac.id/69842/1/ABSTRAK.pdf
format: text
identifier: http://digilib.unila.ac.id/69842/2/SKRIPSI%20FULL.pdf
format: text
identifier: http://digilib.unila.ac.id/69842/3/SKRIPSI%20TANPA%20BAB%20PEMBAHASAN.pdf
identifier:   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)  
relation: http://digilib.unila.ac.id/69842/