Article Per Year (5 Year)
p-Index From 2020 - 2025
3.888
P-Index
This Author published in this journals
All Journal CARADDE: Jurnal Pengabdian Kepada Masyarakat Jurnal JTIK (Jurnal Teknologi Informasi dan Komunikasi) JURPIKAT (Jurnal Pengabdian Kepada Masyarakat) Jurnal FASILKOM (teknologi inFormASi dan ILmu KOMputer) International Journal for Applied Information Management International Journal of Social Service and Research Journal Of Health & Cardiovascular Nursing Nuansa Informatika Jurnal Indonesia : Manajemen Informatika dan Komunikasi Buffer Informatika Journal of Informatics and Interactive Technology (JIITE)
Tarwoto
Unknown Affiliation
Humanities Computer Science & IT Control & Systems Engineering Decision Sciences, Operations Research & Management Dentistry Economics, Econometrics & Finance Education Electrical & Electronics Engineering Engineering Environmental Science Languange, Linguistic, Communication & Media Law, Crime, Criminology & Criminal Justice Library & Information Science Nursing Public Health Social Sciences

Published : 30 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 1 Documents
Search
Journal : Journal of Informatics and Interactive Technology (JIITE)

 1 
Pengembangan Algoritma Support Vector Machine (SVM) untuk Mengklasifikasi Penyakit Diabetes Samsul Arifin; Raul Satria; Tarwoto
Journal of Informatics and Interactive Technology Vol. 1 No. 2 (2024): Agustus
Publisher : ACSIT

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.63547/jiite.v1i2.39

Abstract

Diabetes Mellitus (DM) merupakan penyakit kronis yang ditandai dengan kadar gula darah tinggi dan berpotensi menimbulkan berbagai komplikasi serius, seperti serangan jantung, stroke, gagal ginjal, amputasi kaki, dan gangguan pada sistem saraf. Deteksi dini DM menjadi kunci untuk mencegah terjadinya komplikasi-komplikasi tersebut. Penelitian ini bertujuan mengembangkan algoritma Support Vector Machine (SVM) untuk mengklasifikasikan DM berdasarkan data klinis pasien. Algoritma SVM bekerja dengan cara memisahkan data menjadi dua kelompok dengan mencari garis hyperplane yang optimal untuk mendapatkan hasil akurasi yang tinggi. Algoritma SVM dilatih dan diuji menggunakan data sekunder dari rekam medis pasien DM dan non-DM yang diperoleh dari Kaggle.com. Data ini mencakup berbagai variabel klinis yang relevan, seperti kadar glukosa darah, tekanan darah, indeks massa tubuh, dan lain-lain. Hasil dari penelitian menunjukkan bahwa algoritma SVM menghasilkan performa terbaik dengan akurasi 77,27%, dibandingkan dengan penelitian sebelumnya yang hanya mencapai akurasi 65%. Tentunya, ini menunjukkan potensi algoritma SVM sebagai alat bantu diagnosis DM yang lebih akurat dan efisien. Keberhasilan algoritma SVM dalam meningkatkan akurasi diagnosis DM sangat penting, mengingat deteksi dini dan pengelolaan yang tepat dapat mengurangi risiko komplikasi serius pada pasien. Selain itu, algoritma ini juga dapat diadaptasi dan ditingkatkan lebih lanjut untuk mencapai akurasi yang lebih tinggi, misalnya dengan menggunakan teknik pra-pemrosesan data yang lebih canggih atau dengan menggabungkan SVM dengan metode machine learning lainnya. Implementasi algoritma SVM yang lebih baik dapat membantu tenaga medis dalam pengambilan keputusan klinis yang lebih cepat dan tepat. pengembangan teknologi seperti SVM untuk deteksi dini DM dapat berdampak signifikan terhadap kesehatan masyarakat secara keseluruhan. Dengan diagnosis yang lebih cepat dan tepat, pasien dapat mendapatkan perawatan yang sesuai lebih awal, sehingga mengurangi beban penyakit dan meningkatkan kualitas hidup mereka.
Co-Authors Abid, Umar Abdul Afifah, Falia Nur Afilda Trisetya Riziana Akmal, Rafii Nur Al Raidhan, Muhammad Akhmal AL-Haq, Ahnaf Vanning Ali, Siti Saekhah Anania, Zanela Anggraeni, Dea Lili Aris Wijanarko Ariska Nurul Habibah Asha Nuril Jannah Astit Karmawati, Ita Audiana, Wini Azka, Najmul Cahyaningrum, Fadhila Intan Deni Dwi Susilo Desty, Excel Ervinta Devi Yunita Saputri Difa, El Syafangatun Aulia Elfanza, Vellyn Chalista Epa Latifah Fadillah, Septiya Nur Fauzan, Kiagus Rachmat Feishal Azriel Arya Putra Fidela, Anindya Graha, Wakhid Sayudha Rendra Hani, Zulfa Ummu Haqqi, Matsnan Heni Nurhaeni Huice, Oktafia Heng Ika Komalasari Irma Darmayanti Ismayanti, Ratri Isroni Astuti Ita Yulita, Ita Jatmiko, Salsabilla Aulia Khairunisa, Fitria Is’aaf Kodir Loysiana, Adinda Arininta Megananda, Evelyn Gina Mubarok, Rifqi Muhammad, Yudhistira Musafiroh, Fadilah Nandang Hermanto Novitasari, Amanda Ayu Nugroho, Rizki Nur Adiya, Az Zahra Dwi Nurdianto, Imam Bayu Nurul Hidayati Octavia, Annisa Suci Permana, Abdillah Teguh Prakoso, Osara Gandang Pratama, Rizki Adhi Pratiwi, Aniec Anafisah Pratiwi, Elsa Ayunda Priyanti, Dika Rachman, Naura Farica Ragilah Ismiyati Rahayu, Syawalia Raul Satria Rochmah, Lailatur Rouf, Erik Halma Safitri, Arisanti Dwi Sahita, Iis samsul arifin Santosa, Muhammad Wildan Saputri, Inka Selina Isni Setiasih Serli Setyaningsih, Farah Sholiah, Lifa Sri Handayani Sri Wahyuningsih Suryani Manurung Syahputra, Akhmal Angga Tanfitra, Adhim Tyastuti, Dwi Utami, Vita Dwi Uthana Kalyana Mitha Waluyo, Bibit