Implementasi Smooth Support Vector Machine Untuk Klasifikasi Pasien Diabetes
Total View This Week0
Total View This Week0
Institusion
Universitas Komputer Indonesia
Author
Sedyanto, Rizky
Subject
004_Data Processing & Computer Science
Datestamp
2022-01-18 07:38:02
Abstract :
Diabetes melitus (DM) adalah sebuah penyakit yang disebabkan oleh banyak faktor bisa dari kurangnya insulin atau ketidakmampuan tubuh untuk memanfaatkan insulin dengan simtoma berupa hiperglikemia kronis dan gangguan metabolisme karbohidrat, lemak dan protein sebagai akibat dari defisiensi atau aktivitas insulin, defisiensi transporter glukosa atau keduanya. Selain dengan diagnosa lab, dalam melakukan diagnosis diabetes ada beberapa hal yang diperhatikan, seperti umur, tekanan darah, keturunan. Poin – poin ini bisa digunakan untuk mendiagnosis seseorang diabetes atau tidak. Dari poin – poin yang digunakan untuk mendiagnosa diabetes membuat metode machine learning, pattern recognition dan metode statistika lainnya menjadi pilihan untuk melakukan diagnosis pasien diabetes. Untuk melakukan klasifikasi, dalam penelitian ini digunakan metode Smooth Support Vector Machine (SSVM). Sebelum prediksi dilakukan, terlebih dahulu akan dilakukan preprocessing yang berupa filtering dan normalisasi, selain preprocessing metode optimasi feature selection berupa sequential forward selection akan digunakan untuk mengoptimalkan dataset yang digunakan. Untuk mendapatkan solusi optimal, dalam penelitian ini mengkombinasikan metode – metode tersebut dengan hasil 79.24%. Hasil tersebut menunjukkan bahwa metode yang digunakan dapat menghasilkan solusi yang optimal.
Diabetes melitus (DM) adalah sebuah penyakit yang disebabkan oleh banyak faktor bisa dari kurangnya insulin atau ketidakmampuan tubuh untuk memanfaatkan insulin dengan simtoma berupa hiperglikemia kronis dan gangguan metabolisme karbohidrat, lemak dan protein sebagai akibat dari defisiensi atau aktivitas insulin, defisiensi transporter glukosa atau keduanya. Selain dengan diagnosa lab, dalam melakukan diagnosis diabetes ada beberapa hal yang diperhatikan, seperti umur, tekanan darah, keturunan. Poin – poin ini bisa digunakan untuk mendiagnosis seseorang diabetes atau tidak. Dari poin – poin yang digunakan untuk mendiagnosa diabetes membuat metode machine learning, pattern recognition dan metode statistika lainnya menjadi pilihan untuk melakukan diagnosis pasien diabetes. Untuk melakukan klasifikasi, dalam penelitian ini digunakan metode Smooth Support Vector Machine (SSVM). Sebelum prediksi dilakukan, terlebih dahulu akan dilakukan preprocessing yang berupa filtering dan normalisasi, selain preprocessing metode optimasi feature selection berupa sequential forward selection akan digunakan untuk mengoptimalkan dataset yang digunakan. Untuk mendapatkan solusi optimal, dalam penelitian ini mengkombinasikan metode – metode tersebut dengan hasil 79.24%. Hasil tersebut menunjukkan bahwa metode yang digunakan dapat menghasilkan solusi yang optimal.
File :
UNIKOM_Rizky Sedyanto_COVER.pdf
UNIKOM_Rizky Sedyanto_LEMBAR PENGESAHAN.pdf
UNIKOM_Rizky Sedyanto_BAB 5.pdf
UNIKOM_Rizky Sedyanto_DAFTAR PUSTAKA.pdf
UNIKOM_Rizky Sedyanto_KONTAK.pdf
UNIKOM_Rizky Sedyanto_SURAT KETERANGAN PUBLIKASI.pdf
UNIKOM_Rizky Sedyanto_SURAT PERNYATAAN ORISINALITAS.pdf
UNIKOM_Rizky Sedyanto_KATA PENGANTAR.pdf
UNIKOM_Rizky Sedyanto_DAFTAR ISI.pdf
UNIKOM_Rizky Sedyanto_BAB 1.pdf
UNIKOM_Rizky Sedyanto_BAB 2.pdf
UNIKOM_Rizky Sedyanto_BAB 3.pdf
UNIKOM_Rizky Sedyanto_BAB 4.pdf
Download
book
BibTex
Latex, Jabref
cloud_download
Original Resource
url resource Institution
