KLASIFIKASI PENDERITA PENYAKIT DIABETES MELLITUS MENGGUNAKAN METODE SUPPORT VECTOR MACHINE

FANNI LUFIANA, 1617051022 (2021) KLASIFIKASI PENDERITA PENYAKIT DIABETES MELLITUS MENGGUNAKAN METODE SUPPORT VECTOR MACHINE. Fakultas Matematika Dan Ilmu Pengetahuan Alam, UNIVERSITAS LAMPUNG.

Preview	Text 1. ABSTRAK_FANNILUFIANA_1617051022 - fanni lufiana.pdf Download (8kB) | Preview
	Text 2. SKRIPSI FULL_FANNI LUFIANA_1617051022 - fanni lufiana.pdf Restricted to Repository staff only Download (2MB)
Preview	Text 3. SKRIPSI FULL TANPA BAB PEMBAHASAN_FANNI LUFIANA_1617051022 - fanni lufiana.pdf Download (1MB) | Preview

Abstract

Diabetes Mellitus (DM) merupakan salah satu jenis penyakit tidak menular yang ditandai dengan meningkatnya kadar glukosa dalam darah akibat gangguan sistem metabolisme dalam tubuh sehingga tidak mampu memproduksi hormon insulin. Penyakit diabetes bisa terjadi karena faktor keturunan (genetika) serta faktor pengaruh lingkungan dan gaya hidup yang tidak sehat. Dalam mengukur kadar glukosa, hemoglobin A1c digunakan untuk mendiagnosa dan mengontrol kondisi penderita DM. Tujuan dari penelitian ini memberikan model prediksi untuk klasifikasi penderita diabetes, menentukan dan mengukur perbandingan dari hasil analisis korelasi fitur terhadap variabel yang digunakan, dan mengevaluasi hasil kinerja klasifikasi dari metode support vector machine. Terdapat banyak cara dalam mendiagnosa penyakit diabetes, salah satu algoritma machine learning yang digunakan dalam kasus klasifikasi pada penelitian ini yaitu support vector machine (SVM). Dataset dibersihkan lalu di transformasi terlebih dahulu sehingga siap untuk dimasukkan kedalam model SVM. Terdapat tiga jenis kernel yang digunakan dalam model SVM yaitu linear, Gaussian, dan polynomial dengan teknik pengujian dan pembagian dataset menggunakan metode 10-fold cross validation. Dataset yang dievaluasi memiliki 34 variabel dengan 84900 records. Hasil penelitian memperoleh sebuah model sistem sederhana prediksi untuk klasifikasi penderita diabetes yang bertujuan untuk memudahkan pengguna dalam mengetahui hasil prediksi, serta mendapatkan nilai hasil akurasi sebesar 82,76% dari kernel gaussian. Kata kunci: Diabetes Mellitus, HbA1c, Klasifikasi, K-Fold Cross Validation, Support Vector Machine

Item Type:	Other
Subjects:	?? 000 ?? ?? 005 ??
Divisions:	Fakultas MIPA > Prodi Ilmu Komputer
Depositing User:	UPT Anita Ekarini
Date Deposited:	18 May 2022 08:32
Last Modified:	18 May 2022 08:32
URI:	http://digilib.unila.ac.id/id/eprint/61240

Actions (login required)

View Item