@thesis{thesis,
		author={Firdaus  Syahril Asidiq},
		title ={Prediksi Penyakit Diabetes Dengan Metode Hyperbolic Support Vector Machine},
		year={2020},
		url={http://elibrary.unikom.ac.id/id/eprint/4163/},
		abstract={Diabetes merupakan salah satu tantangan kesehatan paling serius di negara berkembang dan maju. Menurut Federasi Diabetes Internasional, ada 285 juta orang diabetes di seluruh dunia. Total ini diperkirakan akan meningkat menjadi 380 juta dalam 20 tahun. Dataset diabetes Pima Indian di laboratorium UCI machine learning telah menjadi standar untuk menguji algoritma data mining untuk melihat akurasi prediksi mereka dalam klasifikasi data diabetes. Penelitian ini bertujuan untuk menggunakan metode Hyperbolic Support Vector Machine (HSVM), metode pembelajaran mesin sebagai prediksi untuk diagnosis diabetes. Tahapan metodologi penelitian dimulai dari studi literatur dengan mencari literatur terkait metode HSVM. Kemudian membangun perangkat lunak dengan dimulai dari analisa, perancangan, implementasi, pengujian. Terakhir dilakukan penarikan kesimpulan dari hasil yang didapat dari penelitian ini. Hasil percobaan yang diperoleh menunjukkan bahwa Hyperbolic Support Vector Machine dapat berhasil digunakan untuk mendiagnosis penyakit diabetes dengan tingkat akurasi 75,66% dengan nilai parameter C = 0.01 pada dataset hasil cleaning data bernilai 0 pada tiap fiturnya. Hasil akurasi tersebut didapat karena penyebab perbandingan data negatif yang jauh lebih banyak dari data positif pada dataset. Serta banyaknya kemiripan nilai dari tiap fitur antara data yang memiliki kelas positif dan negatif .}
		}