Article Per Year (5 Year)
p-Index From 2020 - 2025
0.23
P-Index
This Author published in this journals
All Journal JIKSI (Jurnal Ilmu Komputer dan Sistem Informasi)
Tasya Syamsudin
Unknown Affiliation
Computer Science & IT Mathematics Other

Published : 1 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 1 Documents
Search

 1 
PERBANDINGAN KLASIFIKASI PENYAKIT DIABETES MENGGUNAKAN METODE MACHINE LEARNING Tasya Syamsudin; Teny Handhayani; Muhammad Isnaini Syaifudin
Jurnal Ilmu Komputer dan Sistem Informasi Vol. 12 No. 1 (2024): JURNAL ILMU KOMPUTER DAN SISTEM INFORMASI
Publisher : Fakultas Teknologi Informasi Universitas Tarumanagara

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.24912/jiksi.v12i1.28197

Abstract

Diabetes adalah penyakit ketika tubuh manusia tidak dapat menggunakan insulin dengan baik. Apabila pada kasus tersebut berlangsung dalam waktu jangka panjang, maka kadar glukosa tersebut dapat merusak organ tubuh, bahkan kegagalan fungsi organ dan jaringan pada tubuh manusia yang dapat menyebabkan komplikasi bahkan kematian. Menurut International Diabetes Federation, pada tahun 2021, kematian yang disebabkan oleh diabetes sebanyak 236.711 ribu jiwa yang berusia sekitar 20-79 tahun. Perkembangan teknologi pada masa sekarang, dapat membantu manusia untuk mendapatkan informasi dan memprediksi penyakit tersebut serta dapat membantu dalam pengembangan pengobatan dan agar mencegah terjadinya penyakit diabetes tertentu lebih dalam menggunakan pendekatan machine learning dengan teknik klasifikasi. Algoritma klasifikasi yang akan digunakan penulis untuk memprediksi penyakit diabetes tersebut adalah Algoritma Decision Tree, Algoritma Support Vector Machine dan Algoritma Naïve Bayes. Data prediksi diabetes yang dikumpulkan sebanyak 2768 data dengan masing-masing algoritma memiliki 70% data training dan 30% data testing. Algoritma yang memiliki nilai evaluasi paling tinggi ialah Algoritma Naïve Bayes dengan rata-rata accuracy sebesar 78%, precision sebesar 77%, recall sebesar 78%, dan f1-score sebesar 77%.
Co-Authors Muhammad Isnaini Syaifudin Teny Handhayani