Implementasi Artificial Intelligence dalam Prediksi Penyakit Diabetes Menggunakan Algoritma Binary Classification

Yunita, Hanna (2025) Implementasi Artificial Intelligence dalam Prediksi Penyakit Diabetes Menggunakan Algoritma Binary Classification. Skripsi thesis, Program Studi Teknik Informatika.

	Text cover.pdf - Submitted Version Download (2MB)
	Text bab I.pdf - Submitted Version Download (1MB)
	Text bab II.pdf - Submitted Version Download (5MB)
	Text bab III.pdf - Submitted Version Download (4MB)
	Text bab IV.pdf - Submitted Version Restricted to Registered users only Download (2MB) | Request a copy
	Text bab V.pdf - Submitted Version Download (353kB)
	Text daftar pustaka.pdf - Submitted Version Download (1MB)
	Text lampiran.pdf - Submitted Version Restricted to Registered users only Download (3MB) | Request a copy

Abstract

Penyakit diabetes melitus merupakan salah satu penyakit tidak menular yang terus meningkat dan menjadi ancaman serius bagi kesehatan masyarakat, sehingga deteksi dini terhadap risiko diabetes sangat penting untuk mencegah komplikasi yang lebih berat. Penelitian ini bertujuan untuk mengembangkan sistem prediksi risiko diabetes secara otomatis menggunakan pendekatan kecerdasan buatan (Artificial Intelligence) dengan metode binary classification yang diimplementasikan melalui fitur AutoAI dalam IBM Cloud Pak for Data. Dataset yang digunakan bersumber dari Kaggle dan terdiri dari 724 data pasien setelah melalui proses pembersihan. Terdapat delapan parameter input utama, yaitu: Pregnancies, Glucose, Blood Pressure, Skin Thickness, Insulin, BMI, Diabetes Pedigree Function, dan Age. Data dibagi secara manual menjadi 652 data untuk pelatihan dan 72 data untuk pengujian. AutoAI secara otomatis melakukan pemilihan algoritma, rekayasa fitur, serta evaluasi model untuk memperoleh hasil klasifikasi terbaik. Hasil penelitian menunjukkan bahwa model yang dibangun mampu mengklasifikasikan data dengan akurasi sebesar 81,8%, precision 66,7%, dan recall 90,9%, yang menunjukkan bahwa sistem memiliki kinerja yang cukup baik dalam mengenali risiko diabetes. Model ini juga mampu mempelajari pola pola kompleks dari data input untuk memberikan hasil prediksi yang relevan. Dengan demikian, sistem yang dikembangkan dapat dimanfaatkan sebagai alat bantu deteksi dini risiko diabetes secara efisien dan akurat

Item Type:	Thesis (Skripsi)
Uncontrolled Keywords:	Artificial Intelligence, AutoAI, Binary Classification, IBM Cloud Pak for Data, Prediksi Diabetes: Artificial Intelligence, AutoAI, Binary Classification, IBM Cloud Pak for Data, Diabetes Prediction
Subjects:	000 Karya Umum > 000-009 Ilmu Umum dan Komputer > 006.3 Kecerdasan Buatan
Divisions:	Fakultas Teknik dan Komputer > Teknik Informatika
Depositing User:	Susila Novmbrita
Date Deposited:	08 Nov 2025 11:09
Last Modified:	08 Nov 2025 11:09
URI:	http://repository.upbatam.ac.id/id/eprint/6935

Actions (login required)

View Item

Downloads