Hidayat, Muhammad Rafli (2024) PREDIKSI PENYAKIT DIABETES MENGGUNAKAN METODE NAIVE BAYES DAN SUPPORT VECTOR MACHINE. S1 - Sarjana thesis, Universitas AMIKOM Yogyakarta.
![]() |
Text (COVER-ABSTRAK)
COVER.pdf Download (833kB) |
![]() |
Text (BAB I)
BAB I.pdf Download (204kB) |
![]() |
Text (BAB II)
BAB II.pdf Restricted to Registered users only Download (531kB) |
![]() |
Text (BAB III)
BAB III.pdf Restricted to Registered users only Download (136kB) |
![]() |
Text (BAB IV)
BAB IV.pdf Restricted to Registered users only Download (447kB) |
![]() |
Text (BAB V)
BAB V.pdf Download (67kB) |
![]() |
Text (DAFTAR PUSTAKA)
Daftar Pustaka.pdf Restricted to Registered users only Download (58kB) |
![]() |
Archive (SOURCE CODE)
Sourcecode - 18.11.2305.zip Restricted to Repository staff only Download (97kB) |
![]() |
Text (PUBLIKASI)
Publikasi.pdf Restricted to Repository staff only Download (383kB) |
Abstract
Diabetes merupakan penyakit kronis yang ditandai dengan hiperglikemia dan intoleransi glukosa yang terjadi karena kelenjar pankreas tidak dapat memproduksi insulin secara adekuat atau karena tubuh tidak dapat menggunakan insulin yang diproduksi secara efektif. Studi ini bertujuan untuk membandingkan dua algoritma klasifikasi dalam memprediksi penyakit diabetes yaitu, Naive Bayes dan Support Vector Machine. Data yang digunakan berasal dari kaggle dengan judul Prima Indian Diabetes Database. Metode penelitian menggunakan langkah-langkah standar dalam pemrosesan data dan pengujian model. Pertama, pembersihan data dan seleksi data. Kemudian data yang digunakan dalam pengujian penelitian berjumlah 80 : 20, untuk melatih dan menguji kedua algoritma klasifikasi agar mendapatkan hasil yang maksimal. Hasil penelitian menunjukkan bahwa kedua model algoritma klasifikasi memberikan performa yang berbeda-beda dalam memprediksi penyakit diabetes. Naive Bayes menunjukkan hasil yang berbeda dengan tingkat akurasi 77%, Sedangkan Support Vector Machine mendapatkan tingkat akurasi 75%. Penelitian Ini memberikan wawasan tentang penggunaan berbagai algoritma klasifikasi untuk prediksi penyakit diabetes, dengan implikasi potensial untuk pengembangan sistem pendukung keputusan dibidang medis. Namul perlu diperhatikan bahwa performa algoritma dapat bervariasi tergantung pada karakteristik data spesifik dan parameter yang diatur. Penelitian selanjutnya dapat melibatkan data set yang lebih besar untuk meningkatkan kecepatan prediksi dan generalisasi model.
Item Type: | Thesis (S1 - Sarjana) | ||
---|---|---|---|
Contributor: |
|
||
Uncontrolled Keywords: | Naive Bayes, Support Vector Machine, Prediksi, Penyakit Diabetes | ||
Subjects: | 000 - Komputer, Informasi dan Referensi Umum > 000 Ilmu komputer, ilmu pengetahuan dan sistem-sistem > 005 Pemrograman komputer, program dan data | ||
Divisions: | Fakultas Ilmu Komputer > Informatika | ||
Depositing User: | RC Universitas AMIKOM Yogyakarta | ||
Date Deposited: | 09 Apr 2025 07:13 | ||
Last Modified: | 09 Apr 2025 07:13 | ||
URI: | http://eprints.amikom.ac.id/id/eprint/29209 |
Actions (login required)
![]() |
View Item |