Article Per Year (5 Year)
p-Index From 2019 - 2024
0.23
P-Index
This Author published in this journals
All Journal REMIK : Riset dan E-Jurnal Manajemen Informatika Komputer
Dinda Resna Amalia
Universitas Buana Perjuangan Karawang
Computer Science & IT Decision Sciences, Operations Research & Management Education

Published : 1 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 1 Documents
Search

 1 
Aplikasi Berbasis Web Berdasarkan Model Klasifikasi Algoritma SVM dan Logistic Regression Terhadap Data Diabetes Nita Fitriyani; Dinda Resna Amalia; Hanny Hikmayanti Handayani; Anis Fitri Nur Masruriyah
REMIK: Riset dan E-Jurnal Manajemen Informatika Komputer Vol. 7 No. 4 (2023): Volume 7 Nomor 4 Oktober 2023
Publisher : Politeknik Ganesha Medan

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.33395/remik.v7i4.13001

Abstract

Berdasarkan International Diabetes Federation Atlas Tenth edisi 2021, jumlah penderita diabetes mencapai 537 juta orang dalam rentang usia 20-79 tahun. Jumlah penderita diabetes akan terus meningkat mencapai 643 juta pada tahun 2030, bahkan diperkirakan mencapai 783 juta pada tahun 2045. Diabetes tidak hanya menjadi penyebab 6,7 juta kematian, tetapi juga menguras dana kesehatan hingga 966 miliar USD. Tingkat kadar gula darah yang tinggi secara kronis menjadi tanda penyakit diabetes, keadaan ini terjadi ketika tubuh tidak mampu menghasilkan insulin secara efektif. Penelitian ini bertujuan untuk mengembangkan model klasifikasi penderita penyakit diabetes dengan membandingkan dua Algoritma, Support Vector Machine (SVM) dan Regresi Logistik. Dalam penelitian ini, model dievaluasi menggunakan metode K-Fold cross validation dengan membagi dataset menjadi 10 subset. Salah satu subset dipilih sebagai data uji, sementara subset lainnya digunakan sebagai data latih. Hasil penelitian menunjukkan bahwa klasifikasi terbaik diperoleh pada Algoritma SVM dengan teknik SMOTE. Model ini mencapai rata-rata accuracy sebesar 88,77%, precision 88,50%, dan recall 89,21%. Dengan demikian, model yang dikembangkan menggunakan Algoritma SVM dengan SMOTE dapat diimplementasikan ke dalam sebuah sistem klasifikasi penyakit diabetes. Pembuatan aplikasi ini ditujukan kepada pihak medis untuk membantu dalam menguatkan diagnosa pemeriksaan, apakah seseorang menderita penyakit diabetes atau tidak dengan tingkat akurasi yang baik.
Co-Authors Anis Fitri Nur Masruriyah Hanny Hikmayanti Handayani Nita Fitriyani