Article Per Year (5 Year)
p-Index From 2021 - 2026
0.23
P-Index
This Author published in this journals
All Journal Jurnal Pustaka AI : Pusat Akses Kajian Teknologi Artificial Intelligence
Setiawan, Alfon
Unknown Affiliation
Computer Science & IT Control & Systems Engineering Decision Sciences, Operations Research & Management Electrical & Electronics Engineering Mathematics

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

Found 1 Documents
Search

 1 
Pengembangan Sistem Prediksi Risiko Diabetes Menggunakan Algoritma Support Vector Machine (SVM) Setiawan, Alfon; Suhirman, Suhirman
Jurnal Pustaka AI (Pusat Akses Kajian Teknologi Artificial Intelligence) Vol 5 No 3 (2025): Pustaka AI (Pusat Akses Kajian Teknologi Artificial Intelligence)
Publisher : Pustaka Galeri Mandiri

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.55382/jurnalpustakaai.v5i3.1437

Abstract

Diabetes melitus merupakan gangguan metabolik kronis yang ditandai dengan meningkatnya kadar glukosa darah akibat gangguan pada produksi atau fungsi insulin. Deteksi dini penyakit ini sangat penting untuk mencegah komplikasi jangka panjang. Penelitian ini berfokus pada pengembangan sistem prediksi risiko diabetes berbasis web menggunakan algoritma Support Vector Machine (SVM). Dataset yang digunakan adalah Pima Indians Diabetes yang diperoleh dari Kaggle, terdiri dari 768 data dengan delapan parameter medis seperti kadar glukosa, tekanan darah, indeks massa tubuh (BMI), insulin, dan usia. Sistem dikembangkan menggunakan bahasa pemrograman Python dan framework Flask tanpa penerapan StandardScaler maupun SMOTE untuk menjaga keaslian distribusi data. Pengujian dilakukan dengan memisahkan data latih dan data uji untuk validasi performa model. Hasil penelitian menunjukkan bahwa algoritma SVM mampu mencapai tingkat akurasi tinggi dalam klasifikasi risiko diabetes serta memberikan hasil prediksi secara interaktif melalui antarmuka web. Penelitian ini menyimpulkan bahwa sistem yang dikembangkan dapat menjadi alat bantu pengambilan keputusan yang efektif bagi tenaga medis dan berkontribusi pada penerapan machine learning dalam diagnosis kesehatan digital.
Co-Authors SUHIRMAN SUHIRMAN