Claim Missing Document
Check
Articles

Found 2 Documents
Search
Journal : Malcom: Indonesian Journal of Machine Learning and Computer Science

Implementasi Metode Deep Neural Network pada Klasifikasi Penyakit Diabetes Melitus Tipe 2: Implementation of Deep Neural Network Method on Classification of Type 2 Diabetes Mellitus Disease Rizky, Muhammad; Pramuntadi, Andri; Prastowo, Wahit Desta; Gutama, Deden Hardan
MALCOM: Indonesian Journal of Machine Learning and Computer Science Vol. 4 No. 3 (2024): MALCOM July 2024
Publisher : Institut Riset dan Publikasi Indonesia

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.57152/malcom.v4i3.1279

Abstract

Penyakit diabetes mellitus ditandai oleh tingginya kadar gula dalam darah, juga dikenal sebagai glukosa, sebagai akibat dari kurangnya atau ketidakmampuan tubuh untuk menggunakan insulin secara efisien. Pada tahun 2021, Federasi Diabetes Internasional (IDF) melaporkan bahwa lima negara memiliki jumlah penderita diabetes mellitus terbanyak di kelompok usia 20 hingga 79 tahun. Dengan 19,5 juta orang yang menderita, Indonesia menempati peringkat kedua. Berbagai upaya telah dilakukan untuk menghentikan perkembangan penyakit ini. Salah satunya adalah penelitian yang menggunakan metode klasifikasi Deep Neural Network (DNN) untuk memprediksi risiko seseorang. Menggunakan dataset dari Puskesmas Mergangsan di Kota Yogyakarta, Provinsi DIY, penelitian ini menggunakan sepuluh variabel: jenis kelamin, merokok, berat badan, tinggi badan, Indeks Massa Tubuh (IMT), hipertensi, usia, aktivitas fisik, konsumsi alkohol, dan riwayat penyakit tidak menular. Parameter DNN seperti jumlah lapisan, jumlah neuron, fungsi aktivasi, tingkat pembelajaran, ukuran batch, berat, optimizer, fungsi kehilangan, epoch, dan bias digunakan untuk membangun model prediksi. Metode K 10-fold CV digunakan untuk mempartisi data pelatihan dan uji untuk membuat model prediksi. Hasilnya mencapai 90 persen, 85 persen, 95 persen, dan 89 persen masing-masing dengan menggunakan skor f1, akurasi, presisi, dan recall.
Sistem Pakar Diagnosa Penyakit Lambung Menggunakan Metode Certainty Factor Berbasis Web: Expert System for Diagnosis of Gastric Diseases Using Web-Based Employment Factors Method Febriani, Hilda Amalia; Wijaya, Dhina Puspasari; Pramuntadi, Andri; Prastowo, Wahit Desta
MALCOM: Indonesian Journal of Machine Learning and Computer Science Vol. 4 No. 4 (2024): MALCOM October 2024
Publisher : Institut Riset dan Publikasi Indonesia

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.57152/malcom.v4i4.1402

Abstract

Penyakit lambung adalah penyakit yang tidak bisa di anggap remeh, karena karena dapat mengiritasi lapisan esofagus serta membuat lambung menjadi meradang. jika tidak segera ditangani maka bisa berakibat fatal. Kurangnya informasi masyarakat tentang penyakit lambung maka semakin banyak masyarakat yang terkena penyakit lambung, penyebab utama dari penyakit lambung yaitu berasal dari virus dan bakteri helicobacter pylori. Dengan dibuatnya sistem pakar berbasis web menggunakan metode certainty factor ini dapat digunakan sebagai penanganan awal untuk mempermudah user dalam melakukan konsultasi berdasarkan dari gejala-gejala yang ditimbulkan. Penggunaan metode certainty factor pada sistem pakar ini karena hasil dari penerapan metode certainty factor yaitu presentase. Nilai presentase pada sistem pakar diagnosa penyakit lambung ini di ambil dari hasil akhir tertinggi. Berdasarkan dari uji akurasi yang telah dilakukan, mendapatkan hasil tingkat akurasi sebesar 100%. Dengan akurasi yang tinggi maka sistem pakar diagnosa penyakit lambung menggunakan metode certainty factor dapat disimpulkan bahwa sistem pakar ini mempunyai performa yang baik.