Perancangan Aplikasi Prediksi Penyakit Diabetes dan Hipertensi Menggunakan Algoritma Support Vector Machine dan Logistic Regression

Dio Rahman Alfateh, . (2024) Perancangan Aplikasi Prediksi Penyakit Diabetes dan Hipertensi Menggunakan Algoritma Support Vector Machine dan Logistic Regression. Other thesis, Universitas Pamulang.

	Text COVER.pdf Restricted to Registered users only Download (1MB)
	Text BAB I.pdf Restricted to Registered users only Download (109kB)
	Text BAB II.pdf Restricted to Registered users only Download (758kB)
	Text BAB III.pdf Restricted to Registered users only Download (761kB)
	Text BAB IV.pdf Restricted to Registered users only Download (785kB)
	Text BAB V.pdf Restricted to Registered users only Download (88kB)
	Text FILE JURNAL.pdf Restricted to Registered users only Download (456kB)

Abstract

Perencanaan yang akurat diperlukan untuk pencegahan dan penanganan dini diabetes dan hipertensi karena mereka adalah penyakit kronis yang umum dan seringkali saling berhubungan. Tujuan dari penelitian ini adalah untuk mengembangkan sebuah sistem aplikasi yang dapat memprediksi dini untuk penyakit diabetes dan hipertensi dengan menggunakan algoritma Support Vector Machine (SVM) dan Logistik Regression. Ada 12 atribut data yang dikumpulkan dari pasien yaitu kolesterol, gula darah puasa, kolesterol baik, usia, jenis kelamin, tekanan darah sistolik, tekanan darah diastolik, tinggi badan, berat badan, indeks massa tubuh (BMI), lingkar pinggang dan lingkar pinggul. Teknik pembersihan data dan normalisasi digunakan untuk memproses data yang diperoleh. Setelah itu, algoritma SVM dan Logistic Regression diterapkan untuk pelatihan model. Untuk mengevaluasi kinerja model, digunakan metrik akurasi, precision, recall, dan f1-score. Hasil penelitian menunjukkan bahwa algoritma SVM memiliki akurasi 97% dan algoritma Logistic Regression memiliki akurasi 95% pada model diabetes dan SVM memiliki akurasi 83% lalu Logistic Regression memiliki akurasi 80% pada model hipertensi. Hasil tersebut menunjukan bahwa algoritma SVM lebih baik dalam memprediksi dan mengklasifikasi penyakit diabetes dan hipertensi dari dataset data.world. Setelah model siap digunakan kemudian dikembangkan dengan streamlit dengan tampilan yang mudah dipahami oleh pengguna. Sistem aplikasi yang dirancang diharapkan dapat membantu tenaga medis mendeteksi dini penyakit diabetes dan hipertensi pada pasien dengan akurasi tinggi. Sistem aplikasi ini diharapkan dapat memberikan solusi prediksi alternatif yang cepat dan akurat, serta membantu proses pengambilan keputusan tentang diagnosis penyakit adalah konsekuensi dari penelitian ini. Kata Kunci: prediksi penyakit, diabetes, hipertensi, Support Vector Machine, Logistic Regression.

Item Type:	Thesis (Other)
Uncontrolled Keywords:	prediksi penyakit, diabetes, hipertensi, Support Vector Machine, Logistic Regression
Subjects:	Q Science > QA Mathematics > QA75 Electronic computers. Computer science
Divisions:	Faculty of Engineering, Science and Mathematics > School of Electronics and Computer Science
Depositing User:	Agus Sugiarto
Date Deposited:	05 Feb 2025 04:02
Last Modified:	05 Feb 2025 04:02
URI:	http://repository.unpam.ac.id/id/eprint/16323

Actions (login required)

View Item