Data Mining Untuk Klasifikasi Diagnosis Tingkat Keparahan Penyakit Diabetes Dengan Algoritma Logistik Regresi

Neha Poetri Setiawati (Universitas Duta Bangsa Surakarta)
Bagus Adi Nugroho (Universitas Duta Bangsa Surakarta)
Ardhi Tiya Setiawan (Universitas Duta Bangsa Surakarta)
Dwi Hartanti (Universitas Duta Bangsa Surakarta)

Prosiding Seminar Nasional Teknologi Informasi dan Bisnis
Prosiding Seminar Nasional Teknologi Informasi dan Bisnis (SENATIB) 2023

Jurnal ini membahas penerapan data mining dengan menggunakan algoritma logistik regresi untuk mengklasifikasikan tingkat keparahan penyakit diabetes. Penelitian ini menggunakan dataset yang mencakup atribut medis, seperti kadar glukosa darah, tekanan darah, dan indeks massa tubuh. Metode data mining digunakan untuk mengidentifikasi pola dan hubungan dalam dataset, sedangkan algoritma logistik regresi digunakan untuk mengembangkan model klasifikasi. Hasil penelitian menunjukkan bahwa algoritma logistik regresi efektif dalam memprediksi tingkat keparahan diabetes berdasarkan atribut medis yang diuji. Penelitian ini memberikan kontribusi dalam meningkatkan diagnosis dan perawatan pasien diabetes serta mengurangi risiko komplikasi yang terkait dengan penyakit ini.