ALAT KESEHATAN NIRKABEL MULTIFUNGSI UNTUK DIAGNOSA KESEHATAN TUBUH MENGGUNAKAN ALGORITMA SVM (SUPPORT VECTOR MACHINE)

Sholihah, Wardatus (2023) ALAT KESEHATAN NIRKABEL MULTIFUNGSI UNTUK DIAGNOSA KESEHATAN TUBUH MENGGUNAKAN ALGORITMA SVM (SUPPORT VECTOR MACHINE). Diploma thesis, Politeknik Negeri Sriwijaya.

There is a more recent version of this item available.

	Text (COVER) Cover.pdf Download (1MB)
	Text (ABSTRAK) ABSTRAK.pdf Download (127kB)
	Text (BAB I) BAB I Pendahuluan.pdf Restricted to Repository staff only Download (335kB)
	Text (BAB II) BAB II Tinjauan Pustaka.pdf Restricted to Repository staff only Download (980kB)
	Text (BAB III) BAB III Metodologi Penelitian.pdf Restricted to Repository staff only Download (274kB)
	Text (BAB IV) BAB IV Hasil dan Pembahasan.pdf Restricted to Repository staff only Download (986kB)
	Text (BAB V) BAB V Simpulan dan Saran.pdf Restricted to Repository staff only Download (216kB)
	Text (DAFTAR PUSTAKA) Daftar Pustaka.pdf Restricted to Repository staff only Download (360kB)
	Text (LAMPIRAN) Lampiran.pdf Restricted to Repository staff only Download (2MB)

Abstract

Kekurangan tenaga medis dan lonjakan biaya telah berdampak pada pelayanan kesehatan. Solusinya adalah sistem diagnosis kesehatan fisik berbasis pembelajaran mesin. Tantangan utama dalam penerapan model pembelajaran mesin adalah mencapai kinerja optimal sehingga prediksi kesehatan tubuh yang akurat dapat dilakukan. Dalam penelitian ini, kinerja berbagai kernel SVM dievaluasi, dan kernel dengan kinerja terbaik dipilih untuk digunakan dalam sistem diagnostik. Studi ini membangun model prediktif untuk kesehatan tubuh menggunakan algoritma SVM linear, RBF, polinomial, dan sigmoid dengan menggunakan dataset publik. Sebagai data masukan, data klinis dan tanda-tanda vital tubuh digunakan. Analisis data mendahului pengembangan model prediktif. Akurasi, presisi, keandalan, Skor F-1, AUC, kurva ROC, dan ketahanan model efikasi dievaluasi. Dalam sistem diagnosis kesehatan, digunakan algoritma- algoritma yang paling efisien. Hasil penelitian menunjukkan bahwa kernel SVM polinomial dipilih sebagai model diagnosis kesehatan tubuh dibandingkan dengan kernel linear, RBF, dan sigmoid. Kernel ini memiliki akurasi pelatihan 0,97, akurasi pengujian 0,99, waktu pelatihan 0,8 detik, waktu pengujian 0,1 detik, presisi 1, recall 1, skor f-1 1, dan ketahanan 0,99. Penelitian ini mengategorikan kesehatan umum berdasarkan berbagai nilai tanda-tanda vital dan data klinis. Sebelumnya, algoritma SVM telah digunakan untuk mengklasifikasikan beberapa penyakit kronis seperti penyakit kardiovaskular, diabetes, dan batu ginjal. Penelitian ini juga berkontribusi pada pengembangan sistem pemantauan kesehatan tubuh jarak jauh tanpa kabel dan non-invasif.

Item Type:	Thesis (Diploma)
Uncontrolled Keywords:	Pembelajaran Mesin, Kernel SVM, Diagnosis Kesehatan
Subjects:	T Technology > TK Electrical engineering. Electronics Nuclear engineering
Divisions:	Telecommunication Engineering > Undergraduate Theses
Depositing User:	Pustaka Teknik Elektro
Date Deposited:	19 Aug 2026 04:47
Last Modified:	19 Aug 2026 04:47
URI:	http://eprints.polsri.ac.id/id/eprint/25473

Available Versions of this Item

ALAT KESEHATAN NIRKABEL MULTIFUNGSI UNTUK DIAGNOSA KESEHATAN TUBUH MENGGUNAKAN ALGORITMA SVM (SUPPORT VECTOR MACHINE). (deposited 19 Aug 2026 04:47) [Currently Displayed]
- RANCANG BANGUN SISTEM PENGUKURAN SUHU DAN KELEMBABAN TANAH BERBASIS MIKROKONTROLLER. (deposited 19 Aug 2026 07:00)

Actions (login required)

View Item