KOMPARASI ALGORITMA SUPPORT VECTOR MACHINE NAIVE BAYES DAN K-NEAREST NEIGHBOUR UNTUK PREDIKSI PENYAKIT DIABETES

FACHREZI, EMIR RAFI (2024) KOMPARASI ALGORITMA SUPPORT VECTOR MACHINE NAIVE BAYES DAN K-NEAREST NEIGHBOUR UNTUK PREDIKSI PENYAKIT DIABETES. S1 thesis, Universitas Mercu Buana Jakarta.

[img]
Preview
Text (HAL COVER)
1. Hal Cover.pdf

Download (801kB) | Preview
[img]
Preview
Text (ABSTRAK)
2. Abstrak.pdf

Download (26kB) | Preview
[img] Text (BAB I)
3. BAB I.pdf
Restricted to Registered users only

Download (104kB)
[img] Text (BAB II)
4. BAB II.pdf
Restricted to Registered users only

Download (505kB)
[img] Text (BAB III)
5. BAB III.pdf
Restricted to Registered users only

Download (48kB)
[img] Text (BAB IV)
6. BAB IV.pdf
Restricted to Registered users only

Download (798kB)
[img] Text (BAB V)
7. BAB V.pdf
Restricted to Registered users only

Download (45kB)
[img] Text (DAFTAR PUSTAKA)
8. Daftar Pustaka.pdf
Restricted to Registered users only

Download (126kB)
[img] Text (LAMPIRAN)
9. Lampiran.pdf
Restricted to Registered users only

Download (496kB)

Abstract

Diabetes mellitus is a metabolic disease characterized by an increase in blood sugar caused by disruption of the insulin hormone, which functions as a hormone in maintaining body homeostasis by reducing blood sugar levels. Previous research on data analysis for predicting diabetes has been carried out to compare two algorithms, so we conducted this research to use three algorithms to compare the three algorithms to produce predictions. This research aims to provide effective information about preventing diabetes, including strategies for healthy eating and a supportive lifestyle. Therefore, the aim of this research is to increase public understanding of the risks of diabetes and encourage better preventive measures. The results of this research will be useful for predicting potential diabetes sufferers by looking for accuracy, precision and recall. Keywords: Diabetes, KNN, Naïve Bayes, SVM Diabetes melitus adalah penyakit metabolik yang ditandai terjadinya kenaikan gula darah yang disebabkan oleh terganggunya hormon insulin yang memiliki fungsi sebagai hormon dalam menjaga homeostatis tubuh menggunakan cara penurunan kadar gula darah. Penelitian terhadulu terhadap analisis data untuk prediksi penyakit diabetes telah dilakukan untuk memgkomparasikan dua algoritma, sehingga kami melakukan penelitian ini untuk menggunakan tiga algoritma untuk membandingkan ketiga algoritma untuk menghasilkan prediksi. Penelitian ini bertujuan untuk memberikan informasi yang efektif tentang pencegahan penyakit diabetes, termasuk strategi pola makan sehat dan gaya hidup yang mendukung. Oleh karena itu, tujuan dari penelitian ini adalah untuk meningkatkan pemahaman masyarakat tentang risiko diabetes serta mendorong tindakan pencegahan yang lebih baik. Hasil dari penelitian ini akan bermanfaat untuk memprediksi calon penderita penyakit diabetes dengan mencari akurasi, presisi, dan recall. Kata kunci: Diabetes, KNN, Naïve Bayes, SVM

Item Type: Thesis (S1)
Call Number CD: FIK/SI. 24 123
Call Number: SIK/18/24/054
NIM/NIDN Creators: 41820010024
Uncontrolled Keywords: Diabetes, KNN, Naïve Bayes, SVM
Subjects: 000 Computer Science, Information and General Works/Ilmu Komputer, Informasi, dan Karya Umum > 000. Computer Science, Information and General Works/Ilmu Komputer, Informasi, dan Karya Umum > 000.01-000.09 Standard Subdivisions of Computer Science, Information and General Works/Subdivisi Standar Dari Ilmu Komputer, Informasi, dan Karya Umum
500 Natural Science and Mathematics/Ilmu-ilmu Alam dan Matematika > 510 Mathematics/Matematika > 518 Numerical Analysis/Analisis Numerik, Analisa Numerik > 518.1 Algorithms/Algoritma
600 Technology/Teknologi > 610 Medical, Medicine, and Health Sciences/Ilmu Kedokteran, Ilmu Pengobatan dan Ilmu Kesehatan > 616 Diseases/Penyakit
Divisions: Fakultas Ilmu Komputer > Sistem Informasi
Depositing User: khalimah
Date Deposited: 31 Jul 2024 05:37
Last Modified: 31 Jul 2024 05:37
URI: http://repository.mercubuana.ac.id/id/eprint/89953

Actions (login required)

View Item View Item