Article Per Year (5 Year)
p-Index From 2020 - 2025
1.431
P-Index
This Author published in this journals
All Journal Technologia: Jurnal Ilmiah Brilliance: Research of Artificial Intelligence Jurnal Pengabdian Kolaborasi dan Inovasi IPTEKS CARE: Jurnal Pengabdian Multi Disiplin SmartComp
Mahalisa, Galih
Unknown Affiliation
Agriculture, Biological Sciences & Forestry Arts Humanities Computer Science & IT Decision Sciences, Operations Research & Management Economics, Econometrics & Finance Education Electrical & Electronics Engineering Environmental Science Mathematics Social Sciences Other

Published : 8 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 1 Documents
Search
Journal : SmartComp

 1 
Implementasi Model Machine Learning pada Klasifikasi Status Penyakit Diabetes Berbasis Streamlit Arminarahmah, Nur; Mahalisa, Galih
Smart Comp :Jurnalnya Orang Pintar Komputer Vol 13, No 3 (2024): Smart Comp: Jurnalnya Orang Pintar Komputer
Publisher : Politeknik Harapan Bersama

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.30591/smartcomp.v13i3.5866

Abstract

Penyakit diabetes adalah masalah kesehatan global yang signifikan, dan deteksi dini serta klasifikasi status penyakit ini sangat penting untuk pengelolaan yang efektif. Dalam konteks ini, penelitian ini bertujuan untuk mengimplementasikan model machine learning dengan algoritma K-Nearest Neighbors (KNN) pada klasifikasi status penyakit diabetes. Untuk memfasilitasi interaksi yang mudah dan pemahaman yang lebih baik oleh pengguna, aplikasi web berbasis Streamlit dikembangkan sebagai antarmuka. Dataset diabetes yang relevan digunakan untuk melatih dan menguji model KNN yang telah diimplementasikan. Metodologi penelitian mencakup tahap pengumpulan dan preprocessing data, pemilihan parameter, pelatihan model, dan evaluasi kinerja model. Hasil penelitian menunjukkan bahwa model KNN yang diimplementasikan melalui aplikasi Streamlit mampu melakukan klasifikasi status penyakit diabetes dengan tingkat akurasi yang baik. Pengguna dapat dengan mudah mengakses dan memanfaatkan aplikasi ini untuk mendapatkan prediksi status penyakit diabetes berdasarkan data yang mereka inputkan. Penelitian ini memiliki potensi untuk meningkatkan aksesibilitas dan pemahaman masyarakat terhadap status penyakit diabetes melalui pendekatan machine learning dan teknologi web. Selain itu, hasil penelitian ini dapat menjadi dasar untuk pengembangan lebih lanjut dalam bidang deteksi penyakit dan pemantauan kesehatan secara keseluruhan.
Co-Authors Agus, Rahmadi Alfah, Rina Arminarahmah, Nur Asegaff, Aulia Rizky Muhammad Hendrik Noor Basuki , Mayang Sari Muhammad Amin Muhammad Rusdi Nurarminarahmah Rizqi Elmuna Hidayah Setiawan, Kholik Zaenuddin Zaenuddin, Zaenuddin