View/Open

Author
Cita Sari Marito, Siadari

Advisor
Meida Cahyo Untoro, S.Kom., M.Kom.
Winda Yulita, S.Pd., M.Cs.

Koleksi
Teknik Informatika

Publisher

Diabetes ialah suatu penyakit yang mengganggu metabolisme tubuh akibat hormon insulin yang tidak dapat bekerja secara efektif. Tahun 2019 World Health Organization (WHO) menjelaskan bahwa ada 463 juta orang dewasa mengidap penyakit diabetes. Jumlah oramg dewasa terkena penyakit diabetes meningkat jika dibandingkan pada tahun 1980 hanya sebanyak 108 juta dan tahun 2014 sebanyak 422 juta. Beberapa kondisi seseorang terkena gejala diabetes dijadikan data untuk dilakukan sebuah identifikasi dan output nya yang diterima adalah mengetahui seseorang tersebut apakah terkena penyakit diabetes atau tidak. Identifikasi dan prediksi dari penyakit diabetes dapat dilakukan dengan menggunakan metode machine learning. Pada penelitian berfokus pada penerapan pengklasifikasi model machine learning pada dataset yang berisi tanda dan gejala dari penderita diabetes, mencari nilai akurasi tertinggi dan membandingkan metode untuk mencari yang terbaik dan akan menggunakan 3 metode machine learning diantaranya adalah XGBoost, Artificial Neural Network (ANN) dan C4.5. C4.5 akan menggunakan parameter kedalaman (max_depth) dari pohon yang akan dibentuk. Algoritma Artificial Neural Network (ANN) akan melakukan perbandingan learning rate untuk mencari parameter yang terbaik prediksi diabetes. XGBoost akan menggunakan hyperparameter dalam meningkatkan akurasi dari model yang dibuat. Hasil evaluasi menggunakan confusion matrix menunjukan bahwa metode XGBoost menghasilkan akurasi yang lebih baik yaitu accuracy 82,46%, precision 82,72%, dan recall 91.91%, jika dibandingkan dengan ANN memilki accuracy 79,87

URI
https://repo.itera.ac.id/depan/submission/SB2208170011

Keyword