ANALISIS PREDIKSI PENYAKIT DIABETES MELITUS MENGGUNAKAN ALGORITMA SUPPORT VECTOR MACHINE PADA PUSKESMAS CIPAYUNG

AIRLANGGA MAULANA HUTOMO, . (2025) ANALISIS PREDIKSI PENYAKIT DIABETES MELITUS MENGGUNAKAN ALGORITMA SUPPORT VECTOR MACHINE PADA PUSKESMAS CIPAYUNG. Sarjana thesis, UNIVERSITAS NEGERI JAKARTA.

	Text File COVER.pdf Download (941kB)
	Text SKRIPSI_BAB 1.pdf Download (152kB)
	Text SKRIPSI_BAB 2.pdf Restricted to Registered users only Download (248kB) | Request a copy
	Text SKRIPSI_BAB 3.pdf Restricted to Registered users only Download (202kB) | Request a copy
	Text SKRIPSI_BAB 4.pdf Restricted to Registered users only Download (674kB) | Request a copy
	Text SKRIPSI_BAB 5.pdf Restricted to Registered users only Download (22kB) | Request a copy
	Text DAFTAR PUSTAKA.pdf Download (184kB)
	Text LAMPIRAN & DAFTAR RIWAYAT HIDUP.pdf Restricted to Registered users only Download (723kB) | Request a copy

Abstract

Diabetes Melitus (DM) merupakan penyakit kronis yang prevalensinya terus meningkat, termasuk di Indonesia. Deteksi dini sangat penting untuk mencegah komplikasi serius dan mengurangi beban biaya kesehatan. Penelitian ini bertujuan untuk mengembangkan sistem prediksi penyakit diabetes menggunakan algoritma Support Vector Machine (SVM) pada Puskesmas Cipayung. Penelitian ini menggunakan metode CRISP-DM yang terdiri dari enam tahap: Business Understanding, Data Understanding, Data Preparation, Modelling, Evaluation, dan Deployment. Data yang digunakan berasal dari rekam medis masyarakat Puskesmas Cipayung, dengan total 22.332 data dan 18 variabel, seperti umur, jenis kelamin, riwayat penyakit, kebiasaan merokok dan konsumsi alkohol, tekanan darah, berat badan, tinggi badan, BMI, dan kadar glukosa. Proses pemodelan menggunakan algoritma SVM dengan kernel RBF. Hasil ini menunjukkan bahwa model memiliki performa tinggi dan dapat mengidentifikasi pasien berisiko diabetes secara akurat. Model ini diimplementasikan ke dalam aplikasi berbasis web menggunakan framework Streamlit, sehingga dapat dimanfaatkan oleh tenaga medis sebagai alat bantu dalam proses skrining awal. Penelitian ini diharapkan dapat menjadi solusi efektif dan efisien untuk meningkatkan deteksi dini diabetes di fasilitas kesehatan tingkat pertama. ***** Diabetes Mellitus (DM) is a chronic disease whose prevalence continues to increase, including in Indonesia. Early detection is essential to prevent serious complications and reduce the burden of health costs. This research aims to develop a diabetes disease prediction system using the Support Vector Machine (SVM) algorithm at Cipayung Health Center. This research uses the CRISP-DM method which consists of six stages: Business Understanding, Data Understanding, Data Preparation, Modeling, Evaluation, and Deployment. The data used comes from the medical records of the Cipayung Health Center community, with a total of 22,333 data and 18 variables, such as age, gender, disease history, smoking habits and alcohol consumption, blood pressure, weight, height, BMI, and glucose levels. The modeling process used SVM algorithm with RBF kernel. The results show that the model has high performance and can accurately identify patients at risk of diabetes. This model is implemented into a web-based application using the Streamlit framework, so that it can be utilized by medical personnel as a tool in the initial screening process. This research is expected to be an effective and efficient solution to improve early detection of diabetes in first-level health facilities.

Item Type:	Thesis (Sarjana)
Additional Information:	1). Murien Nugraheni, M.Cs. ; 2). Lipur Sugiyanta, Ph.D.
Subjects:	Teknologi dan Ilmu Terapan > Teknik Komputer
Divisions:	FT > S1 Sistem dan Teknologi Informasi
Depositing User:	Airlangga Maulana Hutomo .
Date Deposited:	07 Aug 2025 02:25
Last Modified:	07 Aug 2025 02:25
URI:	http://repository.unj.ac.id/id/eprint/58490

Actions (login required)

View Item