Chea, Zahrah Vaganza Junus (2022) KLASIFIKASI MENGGUNAKAN METODE SUPPORT VECTOR MACHINE DAN RANDOM FOREST UNTUK DETEKSI AWAL RISIKO DIABETES MELITUS. Undergraduate thesis, Universitas Diponegoro.

	Text 1. Halaman Cover.pdf Download (1MB)
	Text 3. Halaman Pengesahan I_Chea Zahrah Vaganza Junus.pdf Download (84kB)
	Text 6. Abstrak.pdf Download (1MB)
	Text 7. Daftar Isi.pdf Download (1MB)

Abstract

ABSTRAK
Diabetes Melitus menduduki salah satu dari empat penyakit penyebab
kematian, juga kasus terbanyak yang menjadi target tindak lanjut oleh para
pemimpin dunia. Pencegahan dan pengendalian Diabetes Melitus kerap dilakukan
dengan menerapkan pola hidup sehat. Manfaat yang diharapkan yaitu agar orang
yang memiliki gejala Diabetes Melitus dapat mengendalikan penyakitnya sehingga
tidak terjadi komplikasi atau kematian dini. Deteksi dini Diabetes Melitus sangat
diperlukan, dengan demikian penelitian ini dilakukan untuk mendeteksi penyakit
Diabetes Melitus dengan memanfaatkan metode klasifikasi pada Machine
Learning. Algoritma klasifikasi yang digunakan adalah Support Vector Machine
dan Random Forest. Keunggulan dari Support Vector Machine yaitu dapat bekerja
dengan baik pada ruang dimensi tinggi sedangkan Random Forest dapat
memperkirakan variabel apa yang penting dalam klasifikasi. Tujuan dari penelitian
ini adalah untuk menganalisis hasil performa klasifikasi antara kedua metode. Jenis
data yang digunakan dalam penelitian ini adalah data sekunder yang diperoleh dari
website resmi UCI Machine Learning Repository. Data yang digunakan terdiri dari
520 data pasien Diabetes yang diambil dari Sylhet Diabetic Hospital dengan 16
variabel independen dan 1 variabel dependen. Variabel dependen yang digunakan
dikategorikan ke dalam kelas positif dan negatif Diabetes Melitus. Hasil penelitian
ini menunjukkan bahwa algoritma klasifikasi Random Forest menghasilkan
performa klasifikasi yang lebih baik dengan nilai Accuracy, Recall, Precision, dan
F1_Score yang dihasilkan masing-masing adalah 98,08%, 97,87%, 98,92% dan
88,40%. Berdasarkan feature importance, poliuria merupakan variabel yang paling
signifikan mempengaruhi Diabetes Melitus.
Kata kunci : Diabetes Melitus, Machine Learning, Klasifikasi, Support Vector
Machine, Random Forest

Actions (login required)

View Item