PERBANDINGAN PERFORMA ALGORITMA MACHINE LEARNING DALAM MENDETEKSI PENYAKIT DIABETES

Latuconsina, Siti Qalam (2025) PERBANDINGAN PERFORMA ALGORITMA MACHINE LEARNING DALAM MENDETEKSI PENYAKIT DIABETES. S1 - Sarjana thesis, Universitas AMIKOM Yogyakarta.

	Text (COVER-ABSTRAK) COVER.pdf Download (759kB)
	Text (BAB I) BAB I.pdf Download (230kB)
	Text (BAB II) BAB II.pdf Restricted to Registered users only Download (636kB)
	Text (BAB III) BAB III.pdf Restricted to Registered users only Download (384kB)
	Text (BAB IV) BAB IV.pdf Restricted to Registered users only Download (507kB)
	Text (BAB V) BAB V.pdf Download (75kB)
	Text (DAFTAR PUSTAKA-LAMPIRAN) Daftar Pustaka dan Lampiran.pdf Restricted to Registered users only Download (376kB)
	Archive (SOURCE CODE) Sourcecode - 21.11.4405.zip Restricted to Repository staff only Download (371kB)
	Text (PUBLIKASI) Publikasi.pdf Restricted to Repository staff only Download (871kB)

Abstract

Penyakit diabetes merupakan salah satu penyakit kronik yang memiliki prevalensi tinggi di seluruh dunia. Deteksi dini penyakit ini sangat penting untuk mengurangi risiko komplikasi yang lebih parah. Dalam penelitian ini, dilakukan perbandingan performa beberapa algoritma machine learning dalam mendeteksi penyakit diabetes menggunakan dataset Pima Indian Diabetes yang tersedia di Kaggle. Algoritma yang diuji meliputi Logistic Regression, Random Forest, Support Vector Machine (SVM), K-Nearest Neighbor (KNN) dan Stacking Model. Untuk mengatasi permasalahan ketidakseimbangan data, diterapkan metode Synthetic Minority Over-sampling Technique (SMOTE), sedangkan optimasi model dilakukan menggunakan Hyperparameter Tuning. Hasil penelitian ini menunjukan bahwa algoritma Random Forest dan Stacking Model memberikan performa terbaik dibandingkan algoritma lainnya. Stacking Model mencapai akurasi tertinggi sebesar 82,5%, diikuti oleh Random Forest dengan akurasi 81,5%. Model ini juga memiliki nilai Area Under Curve-Receiver Operating Characteristic (AUC-ROC) tertinggi, yang menunjukan kemampuannya dalam membedakan hasil ini, penggunaan Stacking Model dapat direkomendasikan untuk implementasi sistem deteksi dini diabetes yang lebih optimal.

Actions (login required)

View Item