Perbandingan Akurasi Algoritma K-Nearest Neighbors dan Random Forest dalam Memprediksi Resiko Penyakit Diabetes Melitus

Luqman, Dzaky Athallah (2022) Perbandingan Akurasi Algoritma K-Nearest Neighbors dan Random Forest dalam Memprediksi Resiko Penyakit Diabetes Melitus. Undergraduate thesis, Universitas Pembangunan Jaya.

	Text Cover-Kata Pengantar.pdf Download (4MB)
	Text Abstrak_EN.pdf Download (609kB)
	Text Abstrak_ID.pdf Download (610kB)
	Text Daftar Isi.pdf Download (716kB)
	Text Daftar gambar.pdf Download (525kB)
	Text Daftar Tabel.pdf Download (524kB)
	Text Daftar Lampiran.pdf Download (422kB)
	Text Bab 1.pdf Download (613kB)
	Text Bab 2.pdf Download (930kB)
	Text Bab 3.pdf Download (775kB)
	Text Bab 4.pdf Download (975kB)
	Text Bab 5.pdf Download (1MB)
	Text Bab 6.pdf Download (596kB)
	Text Daftar pustaka.pdf Download (541kB)
	Text Lampiran-lampiran.pdf Download (6MB)

Abstract

International Diabetes Federation (IDF) menyatakan bahwa per tahun 2021, diabetes melitus telah menjadi penyebab angka kematian sebanyak 6.1 juta jiwa di dunia. Teknologi kecerdasan buatan atau artificial intellegence dapat dimanfaatkan dalam memprediksi apakah seseorang terindikasi penyakit diabetes melitus atau tidak. Berdasarkan hal tersebut, diperlukan sebuah cara dalam memprediksi kecenderungan seseorang menderita penyakit diabetes berdasarkan data medis dan data diri yang bersangkutan. Penelitian ini bertujuan untuk menyediakan solusi atas masalah tersebut. Metode yang digunakan untuk memprediksi adalah machine learning dengan algoritma K-Nearest Neighbors (KNN) dan Random Forest. Fitur-fitur yang digunakan sebagai variabel prediksi adalah cholesterol, gula darah (HBA1C), usia, Indeks Masa Tubuh (IMT) dan jenis kelamin. Pengumpulan data berupa studi literasi, pengambilan dataset, dan pengujian model. Berdasarkan pengujian yang dilakukan, KNN dan Random Forest dapat digunakan dalam memprediksi penyakit diabetes dengan hasil akurasi yang serupa. Akurasi KNN mencapai 98% demikian juga dengan Random Forest. Lebih lanjut evaluasi menggunakan Confusion Matrix menunjukan bahwa Random Forest sedikit lebih akurat dibandingkan dengan KNN.

Item Type:	Karya Tulis Ilmiah (KTI) (Undergraduate)
Uncontrolled Keywords:	Diabetes melitus, KNN, Random Forest, Dataset, machine learning.
Subjects:	Q Science > Q Science (General) Q Science > QA Mathematics > QA75 Electronic computers. Computer science Q Science > QA Mathematics > QA76 Computer software Q Science > QM Human anatomy
Divisions:	Fakultas Teknologi dan Desain > Informatika
Depositing User:	Mr Dzaky Athallah Luqman
Date Deposited:	28 Jun 2022 07:42
Last Modified:	28 Jun 2022 07:42
URI:	http://eprints.upj.ac.id/id/eprint/2716

Actions (login required)

View Item