Article Per Year (5 Year)
p-Index From 2020 - 2025
0.23
P-Index
This Author published in this journals
All Journal Jurnal Pengembangan Teknologi Informasi dan Ilmu Komputer
Dzikrullah, Muhammad Aulia Fachruz
Unknown Affiliation
Computer Science & IT Control & Systems Engineering Education Electrical & Electronics Engineering Engineering

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

Found 1 Documents
Search

 1 
Diagnosis Dini Penyakit Diabetes Mellitus Tipe I dan Tipe II dengan Metode Random Forest Dzikrullah, Muhammad Aulia Fachruz; Soebroto, Arief Andy; Widodo, Agus Wahyu
Jurnal Pengembangan Teknologi Informasi dan Ilmu Komputer Vol 7 No 9 (2023): September 2023
Publisher : Fakultas Ilmu Komputer (FILKOM), Universitas Brawijaya

Show Abstract | Download Original | Original Source | Check in Google Scholar

Abstract

Diabetes melitus (DM) sebagai suatu penyakit atau gangguan metabolisme cronic yang ditandai dengan tingginya kadar gula darah (hiperglikemia) dan disertai gangguan metabolisme karbohidrat, lemak, dan protein karena kurang efisiennya fungsi insulin. Ditahun 2018 Department Pencegahan dan Pengendalian Penyakit Tidak Menular (P2PTM) menyebut didominasi penderita pada kelompok usia 10-14 dengan 403 kasus, kemudian 275 kasus di kelompok usia 5-9 tahun, dan 146 kasus terdapat pada kelompok usia dibawah 5 tahun, sedangkan pada kelompok usia diatas 15 tahun sebanyak 25 kasus. Penelitian yang diajukan adalah membangun sebuah sistem yang digunakan untuk mendeteksi atau mendiagnosa tingkat diabetes menggunakan algoritme random forest (RF). RF dipilih karena berdasarkan penelitian sebelumnya memiliki error rate kecil dan memiliki akurasi yang lebih tinggi jika dibandingkan dengan metode yang lain. Diagnosa dan tindakan dini pada penderita diabetes ini diperlukan untuk mengetahui seberapa besar kemungkinan orang tersebut menderita diabetes, dan dapat dilakukan tindakan intervensi sebelum individu dengan pre-diabetes tidak menjadi diabetes. Hasil dari penelitian ini adalah tingkat akurasi dari berbagai jumlah tree yang digunakan dalam pembentukan random forest. Nilai akurasi tertinggi yang didapatkan adalah 72% dengan pertimbangan hanya dengan tingkat kedalaman node adalah tiga.
Co-Authors Agus Wahyu Widodo, Agus Wahyu Arief Andy Soebroto