RANCANG BANGUN WEBSITE MENGGUNAKAN MACHINE LEARNING DENGAN METODE PEMODELAN SUPPORT VECTOR MACHINE DALAM KASUS PREDIKSI DIAGNOSIS DIABETES (1.1.3.23.001/GIL/R)

SAPUTRA, GILANG ADITYA and Maulani, Muhammad Ruslan and Resdiana, Widia (2023) RANCANG BANGUN WEBSITE MENGGUNAKAN MACHINE LEARNING DENGAN METODE PEMODELAN SUPPORT VECTOR MACHINE DALAM KASUS PREDIKSI DIAGNOSIS DIABETES (1.1.3.23.001/GIL/R). Diploma thesis, ULBI.

Full text not available from this repository.

Abstract

ABSTRAK Diabetes adalah penyakit metabolik yang ditandai dengan keadaan ketika kadar gula darah pada tubuh tinggi, namun tubuh tidak dapat mempergunakannya secara maksimal. Diabetes merupakan salah satu penyakit kronis penyebab kematian tertinggi di Indonesia. Data dari Institude for Health Metrics and Evaluation menyatakan bahwa saat ini diabetes merupakan penyakit penyebab kematian tertinggi ke-3 di Indonesia. Diabetes merupakan masalah besar bagi Indonesia dan yang paling penting mengurangi dampak buruknya adalah harus melakukan pemeriksaan dini oleh setiap orang untuk bisa mengetahui penyakit apa yang menjangkiti tubuhnya. Banyak orang yang terlambat mengetahui dirinya terkena diabetes karena malas untuk melakukan pemeriksaan. Faktor kemalasan ini bisa diakibatkan karena alasan ekonomi yang tidak mencukupi sehingga malas untuk melakukan pemeriksaan ke dokter. Salah satu solusi yang bisa menangani permasalahan tersebut adalah dengan menggunakan sistem prediksi menggunakan Machine learning. Metode pemodelan yang digunakan untuk membangun sistem prediksi berbasis machine learning adalah dengan menggunakan metode Support Vector Machine (SVM) dengan hasil akurasi prediksi sebesar 78 %. Metode Pengujian yang di gunakan adalah Blackbox Testing. berdasarkan hasil penelitian maka terimplementasi aplikasi sistem prediksi diabetes berbasis machine learning dengan variable input nya, kehamila, Glukosa, Insulin, Tekanan Darah, Angka keteurunan Diabetes, Dan juga Body Mass Index ( BMI ). Kata kunci : Diabetes, Machine Learning, Support Vector Machine

Item Type:	Thesis (Diploma)
Subjects:	T Technology > T Technology (General)
Depositing User:	Unnamed user with email [email protected]
Date Deposited:	06 Feb 2024 02:51
Last Modified:	06 Feb 2024 02:52
URI:	http://eprint.ulbi.ac.id/id/eprint/2158

Actions (login required)

View Item