Article Per Year (5 Year)
p-Index From 2020 - 2025
0.23
P-Index
This Author published in this journals
All Journal Journal of Informatics and Computer Science (JINACS)
Rosalya Putri, Pungky Rosalya Putri
Unknown Affiliation
Computer Science & IT

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

Found 1 Documents
Search

 1 
Klasifikasi Penyakit Diabetes Melitus Menggunakan Metode Support Vector Machine (SVM) Rosalya Putri, Pungky Rosalya Putri; Alit, Ronggo
Journal of Informatics and Computer Science (JINACS) Vol. 6 No. 03 (2025)
Publisher : Universitas Negeri Surabaya

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.26740/jinacs.v6n03.p740-746

Abstract

Deteksi dini terhadap risiko diabetes penting untuk meningkatkan pencegahan dan penanganan kondisi medis tersebut. Penelitian ini bertujuan untuk membangun model prediktif yang mampu mengidentifikasi risiko diabetes pada pasien berdasarkan data medis. Dataset yang digunakan adalah Pima Indians Diabetes, yang berisi informasi medis dan indikator penting seperti Kehamilan, Glukosa, Tekanan darah, Ketebalan kulit, Insulin, BMI, DiabetesPedigreeFunction, Umur. Metode yang digunakan dalam penelitian ini melibatkan preprocessing data untuk membersihkan dan menstandarisasi data, serta membagi data menjadi dua kelompok, yaitu data training (80%) dan data testing (20%). Analisis data eksploratif (Exploratory Data Analysis) dilakukan untuk memahami karakteristik distribusi data dan korelasi antar variabel. Setelah preprocessing dan analisis data, model prediksi dibangun menggunakan algoritma Support Vector Machine (SVM), yang dipilih karena kemampuannya dalam mengklasifikasikan data biner secara efektif. Evaluasi model dilakukan menggunakan metrik akurasi, presisi, recall, dan confusion matrix untuk mengukur kemampuan model dalam mendeteksi kasus diabetes dengan benar. Hasil penelitian ini menunjukkan bahwa model prediksi yang dihasilkan mampu mengidentifikasi pasien berisiko dengan tingkat ketepatan yang baik, sehingga memiliki potensi aplikasi dalam mendukung deteksi dini diabetes. Penelitian ini memberikan kontribusi dalam pemanfaatan data medis untuk prediksi penyakit kronis, khususnya diabetes, yang diharapkan dapat membantu pengambilan keputusan dalam praktik kesehatan. Kata Kunci: Diabetes, Prediksi, Pima Indians Diabetes, Support Vector Machine (SVM), Evaluasi Model.
Co-Authors Alit, Ronggo