PENGEMBANGAN ALGORITMA SVM (SUPPORT VECTOR MACHINE) DALAM KLASIFIKASI KESEHATAN PASIEN DIABETES MENGGUNAKAN METODE ENSEMBLE LEARNING

SAFITRI, RAHMI DIAN (2024) PENGEMBANGAN ALGORITMA SVM (SUPPORT VECTOR MACHINE) DALAM KLASIFIKASI KESEHATAN PASIEN DIABETES MENGGUNAKAN METODE ENSEMBLE LEARNING. Diploma thesis, Politeknik Negeri Sriwijaya.

Preview	Text COVER - DAFTAR LAMPIRAN .pdf Download (570kB) | Preview
	Text (BAB I PENDAHULUAN) BAB I.pdf Restricted to Repository staff only Download (150kB) | Request a copy
	Text (BAB II TINJAUAN PUSTAKA) BAB II.pdf Restricted to Repository staff only Download (710kB) | Request a copy
	Text (BAB III METODOLOGI PENELITIAN) BAB III.pdf Restricted to Repository staff only Download (306kB) | Request a copy
	Text (BAB IV HASIL DAN PEMBAHSAN) BAB IV.pdf Restricted to Repository staff only Download (965kB) | Request a copy
	Text (BAB V PENUTUP) BAB V.pdf Restricted to Repository staff only Download (30kB) | Request a copy
	Text DAFTAR PUSTAKA.pdf Restricted to Repository staff only Download (163kB) | Request a copy
	Text LAMPIRAN.pdf Restricted to Repository staff only Download (3MB) | Request a copy

Abstract

Penelitian ini bertujuan untuk mengembangkan sebuah situs web yang menggunakan algoritma Support Vector Machine (SVM) untuk mendeteksi diabetes. Tujuan utamanya adalah untuk membantu tenaga medis dalam mendiagnosis diabetes secara efisien dengan mengumpulkan dan menganalisis data pasien untuk memberikan klasifikasi kesehatan yang akurat. Algoritma SVM dipilih karena keakuratannya yang tinggi dalam mengelola data medis yang kompleks dan multidimensi, sehingga sangat ideal untuk deteksi diabetes. Situs web ini mengintegrasikan SVM untuk memproses informasi pasien dan memberikan prediksi yang tepat tentang status kesehatan mereka. Dengan meningkatkan proses diagnosis diabetes, sistem ini mendukung penyedia layanan kesehatan dalam mengambil keputusan yang tepat dan mendorong pasien untuk melakukan pemeriksaan rutin. Selain itu, situs web ini juga dilengkapi dengan notifikasi untuk pemeriksaan lanjutan, memastikan intervensi medis yang tepat waktu dan meningkatkan perawatan pasien dan manajemen diabetes. Antarmuka yang mudah digunakan memungkinkan staf medis untuk memasukkan dan mengambil informasi pasien dengan mudah. Integrasi algoritme canggih dan desain intuitif ini menciptakan alat yang berharga bagi para profesional medis dan pasien. Dengan menyederhanakan pengumpulan dan analisis data, situs web ini berkontribusi pada diagnosis yang lebih akurat dan tepat waktu, mendorong hasil kesehatan yang lebih baik. Penelitian ini menyoroti potensi menggabungkan pembelajaran mesin dengan perawatan kesehatan untuk mengembangkan solusi inovatif untuk manajemen penyakit kronis, yang menekankan pentingnya pemantauan rutin dan deteksi dini dalam perawatan kesehatan preventif.

Item Type:	Thesis (Diploma)
Uncontrolled Keywords:	Deteksi Diabetes, Support Vector Machine (SVM), Machine Learning, Situs web Diagnosis Medis
Subjects:	T Technology > TK Electrical engineering. Electronics Nuclear engineering
Divisions:	Electrical Engineering > Undergraduate Theses
Depositing User:	Mr Bambang Anthony
Date Deposited:	28 Jul 2026 00:55
Last Modified:	28 Jul 2026 00:55
URI:	http://eprints.polsri.ac.id/id/eprint/22287

Actions (login required)

View Item