TY  - GEN
CY  - Universitas Lampung
ID  - eprints86339
UR  - http://digilib.unila.ac.id/86339/
A1  - Aser Yosua, Rumbrawer
Y1  - 2025/03/06/
N2  - Penyakit diabetes merupakan salah satu penyakit kronis yang paling umum di
dunia, penyakit ini memiliki ciri khas yaitu terjadi peningkatan kadar glukosa dalam
darah dan mengakibatkan gangguan produksi atau fungsi insulin tidak bekerja
dengan efektif, penyakit ini memiliki beberapa tipe yaitu tipe 1 dan tipe 2. Akibat
dari tidak di tangani dengan cepat dan tepat dapat membuat komplikasi serius
seperti penyakit jatung, gagal ginjal, neuropati dan gangguan lain nya, sehingga di
perlukan deteksi dini melalu pemeriksaan. Oleh karena itu melalui penelitian ini
melakukan uji coba pengembangan prediksi diabetes dengan menggunakan
algoritma pada machine learning yaitu decision tree. Menggunakan decision tree
memiliki kelemahan dalam menghadapi overfiting dan kurang generalisasi pada
dataset yang kompleks. Sehingga diperlukan adaboost (Adaptive Boosting) yang
dapat menggabungkan sejumlah decision tree sederhana menjadi model yang lebih
kuat dengan memberikan bobot lebih tinggi pada data yang sulit di klasifikasi. Pada
penelitian ini melakukan perbandingan performa decision tree yang menujukkan
hasil akurasi 94%, meningkat menjadi 96% setelah decision tree digabungkan
bersama adaboost, terjadi peningkatan juga pada data testing precision, F1-score
tetapi terjadi penurunan pada recall diakibat data yang tidak seimbang. Tetapi
menunjukan program berjalan dengan baik karena menunjukkan kinerja algoritma
yang baik untuk melakukan klasifikasi penyakit diabetes. Kombinasi decision tree
dan adaboost juga menghasilkan peningkatan kinerja pada metrik se area under the
curve (AUC), dengan tetap menjaga efisiensi komputasi
Kata kunci : Adaboost, Decision tree, Klasifikasi diabetes, Penyakit diabetes.
PB  - Teknik
TI  - PENINGKATAN PERFORMA DECISION TREE DENGAN
MENGGUNAKAN ADABOOST UNTUK KLASIFIKASI PENYAKIT
DIABETES
AV  - restricted
ER  -