KLASIFIKASI PENYAKIT DIABETES MENGGUNAKAN METODE SUPPORT VECTOR MACHINE PADA RUMAH SAKIT UMUM PRABUMULIH

ALDAMA, CANDI (2023) KLASIFIKASI PENYAKIT DIABETES MENGGUNAKAN METODE SUPPORT VECTOR MACHINE PADA RUMAH SAKIT UMUM PRABUMULIH. Other thesis, UNIVERSITAS BINA DARMA.

	Text (BAB 0) BAB 0.pdf Download (3MB)
	Text (BAB 1) BAB 1.pdf Download (436kB)
	Text (DAPUS) DAPUS.pdf Download (522kB)
	Text (KLASIFIKASI PENYAKIT DIABETES MENGGUNAKAN METODE SUPPORT VECTOR MACHINE PADA RUMAH SAKIT UMUM PRABUMULIH) LAPORAN HASIL.pdf Restricted to Repository staff only Download (3MB)
	Text (LAMPIRAN) LAMPIRAN.pdf Download (2MB)
	Text (ARTIKEL) ARTIKEL.pdf Download (824kB)

Abstract

Diabetes Mellitus adalah penyakit gangguan metabolik yang disebabkan oleh gagalnya organ pankreas dalam memproduksi hormon insulin secara memadai. Diabetes disebabkan oleh salah satu dari dua hal, antara lain reaksi autoimun (sistem pertahanan tubuh menyerang sel-sel yang memproduksi insulin) atau resistensi insulin (tubuh tidak merespon insulin sepenuhnya). Tujuan penelitian ini adalah mengklasifikasi diagnosa pasien diabetes mellitus menggunakan machine learning. Dataset yang digunakan yaitu data rekam medis pasien diabetes mellitus Rumah Sakit Umum Prabumulih tahun 2022 dengan jumlah ± 100 record pasien. untuk mengolah data penulis menggunakan software RapidMiner. Ada beberapa cara untuk mendiagnosis diabetes, salah satunya adalah dengan menggunakan metode machine learning. Support vector machine (SVM) adalah salah satu metode machine learning yang dikenal cukup efektif untuk kasus klasifikasi. Adapun tahapan dalam penelitian ini yaitu Metodologi Cross Industry Standard Process for Data Mining ( CRISP-DM ) digunakan sebagai standar proses data mining sekaligus sebagai metode penelitian dengan tahap dimulai dari Business understanding, data understanding, data preparation, modelling, evaluation, dan deployment. Hasil penelitian ini menunjukan nilai akurasi, nilai class recall dan nilai class precision dijelaskan bahwa diabetes melitus TIPE 2 menghasilkan class recall sebesar 50.00% dan class precision sebesar 60.00 % dan diabetes melitus TIPE 1 menghasilkan class recall sebesar 0.00 % dan class precision sebesar 0.00 % sedangkan untuk tipe lainnya menghasilkan class recall sebesar 82.46% dan class precision sebesar 67.14%. Maka dari hasil akurasi diatas rata-rata akurasi sebesar 65% dari perhitungan metode SVM (Support Vector Machine).

Actions (login required)

View Item